WO2021210269A1 - 映像分析装置、映像分析システム及び映像分析方法 - Google Patents

映像分析装置、映像分析システム及び映像分析方法 Download PDF

Info

Publication number
WO2021210269A1
WO2021210269A1 PCT/JP2021/006512 JP2021006512W WO2021210269A1 WO 2021210269 A1 WO2021210269 A1 WO 2021210269A1 JP 2021006512 W JP2021006512 W JP 2021006512W WO 2021210269 A1 WO2021210269 A1 WO 2021210269A1
Authority
WO
WIPO (PCT)
Prior art keywords
video analysis
unit
video
frame
detection
Prior art date
Application number
PCT/JP2021/006512
Other languages
English (en)
French (fr)
Inventor
勇人 逸身
孝法 岩井
悠介 篠原
フロリアン バイエ
Original Assignee
日本電気株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2022515228A priority Critical patent/JP7318809B2/ja
Priority to US17/917,616 priority patent/US20230177701A1/en
Publication of WO2021210269A1 publication Critical patent/WO2021210269A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
    • H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
    • H04N21/234381—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by altering the temporal resolution, e.g. decreasing the frame rate by frame skipping
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/12—Bounding box
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Definitions

  • the present invention relates to a video analyzer, a video analysis system, and a video analysis method.
  • Non-Patent Document 1 discloses a technique for performing video analysis in a distributed manner by a plurality of video analysis units for a series of video frames.
  • Non-Patent Document 1 still has a problem that the accuracy of video analysis is not sufficient.
  • the present invention has been made to solve such a problem, and an object of the present invention is to provide an image analysis device, an image analysis system, and an image analysis method having improved image analysis accuracy.
  • the video analyzer is An image analyzer equipped with a first image analysis unit and a second image analysis unit.
  • the first video analysis unit A distribution unit that distributes at least two frames to the first video analysis unit or the second video analysis unit, A first detection unit that detects an object in a frame distributed to the first video analysis unit, and a first detection unit.
  • An acquisition unit that acquires information on movement associated with the detected object and transmits the information on the movement and the detection result in the first detection unit to the second video analysis unit.
  • the second video analysis unit A second detection unit that detects an object in the frame received from the distribution unit, and An adjustment unit that adjusts the detection result of the first detection unit based on the detection result of the second detection unit and information on the movement, and an adjustment unit. To be equipped.
  • the video analysis system is A video analysis system including a first video analysis unit and a second video analysis unit.
  • the first video analysis unit A distribution unit that distributes at least two frames to the first video analysis unit or the second video analysis unit, A first detection unit that detects an object in a frame distributed to the first video analysis unit, and a first detection unit.
  • An acquisition unit that acquires information on movement associated with the detected object and transmits the information on the movement and the detection result in the first detection unit to the second video analysis unit.
  • the second video analysis unit A second detection unit that detects an object in the frame received from the distribution unit, and An adjustment unit that adjusts the detection result of the first detection unit based on the detection result of the second detection unit and information on the movement, and an adjustment unit. To be equipped.
  • the video analysis method is This is a video analysis method in which the first video analysis unit and the second video analysis unit perform video analysis in a distributed manner for a series of frames.
  • the first video analysis unit At least two frames are received in succession, and it is determined whether to analyze by the first video analysis unit or the second video analysis unit.
  • the objects in the sorted frames are detected, and Information on the movement associated with the detected object is acquired, and the information on the movement and the detection result in the first video analysis unit are transmitted to the second video analysis unit.
  • the object in the frame received from the first video analysis unit is detected, and the object is detected.
  • the detection result in the first video analysis unit is adjusted based on the detection result in the second video analysis unit and the information regarding the movement.
  • an image analysis device it is possible to provide an image analysis device, an image analysis system, and an image analysis method with improved image analysis accuracy.
  • FIG. 5 is a diagram showing a video frame including an exemplary object detected by the first video analysis unit according to the third embodiment. It is a figure explaining the example of calculating the movement vector which concerns on Embodiment 3.
  • FIG. 5 is a diagram showing a video frame including an exemplary object detected by the first video analysis unit according to the third embodiment. It is a figure explaining the example of calculating the movement vector which concerns on Embodiment 3.
  • FIG. 5 is a diagram showing a frame including an exemplary object detected by the second video analysis unit according to the third embodiment. It is a conceptual diagram explaining the whole picture of the adjustment process which concerns on some Embodiments. It is a conceptual diagram explaining the specific example of the adjustment process which concerns on some Embodiments. It is a flowchart which shows the operation of the 1st video analysis part arranged on the edge side which concerns on Embodiment 3.
  • FIG. FIG. 5 is a flowchart showing an operation related to video frame reception of the second video analysis unit arranged on the cloud side according to the third embodiment. It is a flowchart which shows the operation by the analysis result adjustment part arranged on the cloud side which concerns on Embodiment 3.
  • FIG. It is a block diagram which shows the structural example of the hardware of the image analyzer or the image analysis part.
  • FIG. 1 is a block diagram showing a configuration of a video analyzer according to the first embodiment.
  • the video analysis device 1 includes a first video analysis unit 100 and a second video analysis unit 200 in order to disperse and process at least two frames.
  • the video analyzer 1 can be implemented by one or more computers. At least two frames may be two consecutive frames or two frames sandwiching another frame.
  • the first video analysis unit 100 has a distribution unit 103 that distributes at least two frames to the first image analysis unit 100 or the second image analysis unit 200, and a frame that is distributed when analyzed by the first video analysis unit 100.
  • the first detection unit 105 that detects the object and the information about the movement associated with the detected object are acquired, and the information about the movement and the detection result by the first detection unit 105 are transmitted to the second video analysis unit 200.
  • the acquisition unit 106 for transmission is provided.
  • the first detection unit 105 detects a predetermined object from the frame by using a predetermined video analysis program.
  • the distribution unit 103 can distribute frames to the first video analysis unit 100 or the second video analysis unit 200 at a preset distribution rate.
  • the "information about the movement associated with the detected object" may include, for example, information on the moving direction of the object or a movement vector in the bounding box surrounding the object.
  • the second video analysis unit 200 is a first detection unit based on the second detection unit 205 that detects an object in the frame from the distribution unit 103, the detection result of the second detection unit 205, and the information related to the movement.
  • An adjusting unit 207 for adjusting the detection result in 105 is provided.
  • the second detection unit 205 detects a predetermined object from the frame by using a predetermined video analysis program.
  • FIG. 2 is a flowchart showing the video analysis method according to the first embodiment.
  • the video analysis method according to the first embodiment at least two frames are distributed and processed by the first video analysis unit 100 and the second video analysis unit 200.
  • the first video analysis unit 100 At least two frames received in succession are distributed to the first video analysis unit 100 or the second video analysis unit 200 (step S101).
  • An object in the frame distributed to the first video analysis unit 100 is detected (step S102).
  • Information on the movement associated with the detected object is acquired, and the information on the movement and the detection result in the first video analysis unit 100 are transmitted to the second video analysis unit 200 (step S103).
  • the second video analysis unit 200 detects an object in the frame received from the first video analysis unit 100 (step S103).
  • the second video analysis unit 200 adjusts the detection result of the first video analysis unit 100 based on the detection result of the second video analysis unit 200 and the information regarding the movement (step S105).
  • FIG. 3 is a block diagram showing a configuration of the video analyzer according to the second embodiment.
  • the video analysis device 1 includes a first video analysis unit 100a and a second video analysis unit 200a in order to disperse and process a series of frames (including at least two frames).
  • the first video analysis unit 100a distributes at least two series of frames received from the camera to the first video analysis unit 100a, the second video analysis unit 200a, the distribution unit 103a, and the first video analysis unit 100.
  • the first detection unit 105a that detects the object in the frame, the movement information acquisition unit 106a that acquires the information about the movement in the detected object, the information about the movement, and the detection result by the first detection unit 105a are the first.
  • the analysis result transmission unit 107a for transmitting to the two video analysis units and the frame transmission unit 109a for transmitting the frames distributed to the second video analysis unit 200a to the second video analysis unit 200a are provided.
  • the first detection unit 105a detects a predetermined object from the frame by using a predetermined video analysis program.
  • the detected object can be surrounded by a bounding box.
  • the movement information acquisition unit 106a recognizes that the object is moving between the two frames, and acquires the movement information about the object in the bounding box.
  • the movement information acquisition unit 106a compares the video frame temporarily stored in the storage unit in the first video analysis unit 100a with the detection result frame from the first detection unit 105a to acquire the movement information. Can be done.
  • the acquired movement information may include information on the moving direction of the object or a movement vector.
  • the distribution unit 103 can distribute frames to the first video analysis unit 100 or the second video analysis unit 200 at a preset distribution rate.
  • the distribution unit 103 when the distribution rate is set to 10%, the distribution unit 103 counts consecutively received frames using the distribution counter, transmits the first frame to the second video analysis unit 200, and then the rest. The nine frames can be distributed to the first video analysis unit 100.
  • the distribution rate is set to be equal to or higher than the threshold value.
  • the "information regarding the movement of the detected object in the detection area" may include, for example, information on the moving direction of the object in the bounding box surrounding the object or a movement vector.
  • the frame transmission unit 109a may include an encoder that encodes a video frame with a predetermined quality.
  • the first video analysis unit 100a includes an analysis result transmission unit 107a and a frame transmission unit 109a.
  • the analysis result transmission unit 107a transmits the movement vector for the frame distributed to the first video analysis unit 100a and the detection result as the analysis result to the second video analysis unit 200a. Therefore, the transmission data capacity per frame of the analysis result transmission unit 107a is relatively small.
  • the frame transmission unit 109a encodes and transmits the frames distributed to the second video analysis unit 200a with a predetermined quality, the transmission data capacity per frame of the frame transmission unit 109a is determined by the analysis result transmission unit 107a. growing.
  • the analysis result transmission unit 107a and the frame transmission unit 109a are different frames, that is, the frame distributed to the first video analysis unit 100a in the distribution unit 103a and the second video analysis unit. It deals with the frames allocated to 200a.
  • the second video analysis unit 200a performs the first detection based on the second detection unit 205a that detects the object in the frame received from the frame transmission unit 109a and the detection result and the information on the movement by the second detection unit 205a.
  • An adjusting unit 207a for adjusting the detection result of the unit 105a is provided.
  • the second detection unit 205a detects a predetermined object from the frame by using a predetermined video analysis program different from or more accurate than the video analysis program of the first detection unit 105a.
  • FIG. 4 is a flowchart showing the video analysis method according to the second embodiment.
  • the video analysis method according to the second embodiment at least two frames are distributed and processed by the first video analysis unit 100 and the second video analysis unit 200.
  • the first video analysis unit 100a separately distributes a series of frames received from the camera to the first video analysis unit 100a or the second video analysis unit 200a (step S201).
  • the first video analysis unit 100a detects an object in the frame distributed to the first video analysis unit 100a (step S202).
  • the first video analysis unit 100a acquires information regarding the movement of the detected object in the detection area (for example, the bounding box) (step S203).
  • the first video analysis unit 100a transmits information on movement and the detection result of the first video analysis unit 100a to the second video analysis unit 200a (step S204).
  • the first video analysis unit 100a transmits the frames allocated to the second video analysis unit 200a to the second video analysis unit 200a (step S205).
  • the second video analysis unit 200a detects an object in the frame received from the first video analysis unit 100a (step S206).
  • the detection result in the first video analysis unit 100a is adjusted based on the detection result in the second video analysis unit 200a and the information regarding the movement received from the first video analysis unit 100a (step S207).
  • FIG. 5 is a block diagram showing the structure of the video analysis system according to the third embodiment.
  • the video analysis system 1b includes a first video analysis unit 100b and a second video analysis unit 200b.
  • the first video analysis unit 100b is arranged on the edge side and is connected to the camera by wire or wirelessly.
  • wireless communication such as Wi-Fi (registered trademark)
  • the number of connections is small, so that the communication is stable as compared with the mobile phone network such as 4G and 5G. Is possible.
  • the first video analysis unit 100b cannot prepare sufficient calculation resources due to restrictions on the power supply and installation space, and often becomes a low-precision model with low calculation cost.
  • the second video analysis unit 200 is connected to the first video analysis unit 100 via a wireless network such as LTE (registered trademark), 5G, or Wi-fi (registered trademark), and is compared with the first video analysis unit 100b.
  • LTE registered trademark
  • 5G Fifth Generation
  • Wi-fi registered trademark
  • the first video analysis unit 100b is, for example, an in-vehicle video analysis device that can be realized by a computer.
  • the first video analysis unit 100b is, for example, a ROM (Read Only) in which a processor 1202 such as a CPU (Central Processing Unit) that performs arithmetic processing and the like, an arithmetic program executed by the processor 1202, and the like are stored. It is composed of a memory 1203 composed of a memory) and a RAM (RandomAccessMemory), a microcomputer composed of an interface unit (I / F) 1201 for inputting / outputting signals to and from the outside, and the like.
  • a ROM Read Only
  • a processor 1202 such as a CPU (Central Processing Unit) that performs arithmetic processing and the like, an arithmetic program executed by the processor 1202, and the like are stored.
  • It is composed of a memory 1203 composed of a memory) and a RAM (RandomAccessMemory),
  • the processor 1202, the memory 1203, and the interface unit 1201 are connected to each other via a data bus or the like.
  • the interface unit (I / F) 1201 may be used to perform wireless LAN communication specified in the IEEE 802.11 series or mobile communication specified in 3GPP (3rd Generation Partnership Project).
  • the interface unit (I / F) 1201 may include, for example, a network interface card (NIC) compliant with the IEEE802.3 series.
  • NIC network interface card
  • the first video analysis unit 100b includes a video frame reception unit 101b, a frame distribution unit 103b, a change unit 104b, a first detection unit 105b, a movement vector acquisition unit 106b, an analysis result transmission unit 107b, and an encoder 108b. And the storage unit 110b.
  • the video frame receiving unit 101b continuously receives one or more video frames from an in-vehicle camera (not shown) via a wired network.
  • an in-vehicle camera will be described as an example, but another camera such as a fixed camera may be used.
  • Each received video frame is temporarily stored in the storage unit 110b.
  • the frame distribution unit 103b determines whether each video frame from the video frame reception unit 101b is analyzed by the first video analysis unit 100b or the second video analysis unit 200b by a predetermined frame transmission ratio (also known as the distribution rate). (Sometimes called). For example, when the predetermined frame transmission ratio is set to 10%, out of 10 continuously received video frames, 9 frames are transmitted after transmitting 1 frame to the 2nd video analysis unit 200b. Allocate to the first video analysis unit 100b.
  • the frame distribution unit 103b distributes continuously received video frames at a predetermined frame transmission ratio or more so that the second video analysis unit 200b analyzes them.
  • the predetermined frame transmission ratio can be set based on the available band of the wireless network from the first video analysis unit 100b to the second video analysis unit 200b.
  • the frame distribution unit 103b estimates a usable band indicating a band that can be used for transmitting data on the wireless network. For example, the frame distribution unit 103b may evaluate the usable band by a level-divided value (for example, large, medium, small), and change the frame transmission ratio step by step based on the evaluated usable band (details). Will be described later).
  • a level-divided value for example, large, medium, small
  • the encoder 108b When the encoder 108b receives the video frame sorted so as to be analyzed by the second video analysis unit 200b from the frame sorting unit 103b, the encoder 108b encodes the video frame with a predetermined quality and analyzes the encoded video frame in the second video analysis. It is transmitted to the unit 200b.
  • the video frame distributed by the frame distribution unit 103b so as to be analyzed by the first video analysis unit 100b is sent to the first detection unit 105b.
  • the first detection unit 105b detects an object in the sorted frame. Specifically, the first detection unit 105b uses the image analysis program A (sometimes also referred to as an edge model, a lightweight model, or a low-precision model) with respect to the image frame distributed by the frame distribution unit 103b. Perform image analysis.
  • FIG. 6 is a diagram showing a video frame including an exemplary object detected by the first video analysis unit.
  • An example of a lightweight model is YOLOv3 Tiny, which has slightly inferior recognition accuracy but can operate at high speed.
  • FIG. 6 shows an exemplary video frame in which an in-vehicle camera of a moving vehicle captures the front.
  • traffic-related objects such as automobiles, trucks, buses, motorcycles, bicycles, pedestrians, and traffic lights are detected.
  • each detected object is surrounded by a bounding box.
  • the notation "Car: 3%" shown in the vicinity of the bounding box indicates that the probability (reliability) that the detection target is an automobile is 3%.
  • objects related to traffic about 1 to 200 objects can be detected per frame.
  • the movement vector acquisition unit 106b acquires the movement vector in the object detected by the first detection unit 105b between the two frames. That is, the movement vector acquisition unit 106b can acquire the movement vector by comparing the luminance gradient between the detection result frame from the first detection unit 105b and the frame stored in the storage unit 110b.
  • FIG. 7 is a diagram illustrating an example of calculating a movement vector.
  • FIG. 7A shows a detected vehicle in a video frame taken at time t.
  • the movement vector acquisition unit 106b acquires the average value of the movement vectors in the bounding box shown by the broken line. This movement vector can be used to calculate how much the two frames are and adjust the detection position.
  • the two frames may be two consecutive frames in chronological order (for example, t-1, t) or two frames separated by a predetermined time (for example, t-5, t).
  • the movement vector is obtained by using the Gunnar Farneback method for Optical Flow. That is, first, movement vectors in the x-direction and the y-direction are generated per pixel in the entire frame. After that, the average vector in the detection area (for example, the bounding box) of each edge object is calculated. As a result, it is possible to recognize in which direction each detection object is moving between frames.
  • FIG. 7B shows a shifted automobile based on the movement vector acquired by the adjustment unit 207b (that is, FIG. 7B shows an estimated video frame at time t + 1).
  • the solid bounding box indicates the bounding box after the shift.
  • the object can be moved for a predetermined time based on the movement vector.
  • the data capacity can be significantly reduced by focusing only on the movement vector associated with the detected object or the bounding box instead of the movement vector of the entire two frames in this way.
  • the analysis result transmission unit 107b transmits the object detected by the first detection unit 105 and the movement vector acquired by the movement vector acquisition unit 106 to the second video analysis unit 200b via the wireless network as the analysis result. do.
  • the analysis result may include, for example, the center coordinates (x, y) of the bounding box, the width, the height, the identifier of the detected object, the number of detected objects, and the movement vector (x, y). That is, the analysis result transmission unit 107b transmits such an analysis result to the second video analysis unit 200b instead of the video frame itself analyzed by the first video analysis unit 100b.
  • the transmission data capacity is reduced and the occurrence of problems (block noise, frame dropping, etc.) due to insufficient bandwidth is suppressed as compared with the case where the video frame itself analyzed by the first video analysis unit 100b is transmitted.
  • the second video analysis unit 200b is, for example, a cloud server that can be realized by a computer.
  • the second video analysis unit 200b is a ROM (Read Only) in which a processor 1202 such as a CPU (Central Processing Unit) that performs arithmetic processing and the like, an arithmetic program executed by the processor 1202, and the like are stored. It is composed of a memory 1203 composed of a memory) and a RAM (RandomAccessMemory), a microcomputer composed of an interface unit (I / F) 1201 for inputting / outputting signals to and from the outside, and the like.
  • a processor 1202 such as a CPU (Central Processing Unit) that performs arithmetic processing and the like, an arithmetic program executed by the processor 1202, and the like are stored.
  • It is composed of a memory 1203 composed of a memory) and a RAM (RandomAccessMemory), a microcomputer composed of an interface unit (I / F) 1201 for
  • the processor 1202, the memory 1203, and the interface unit 1201 are connected to each other via a data bus or the like.
  • the interface unit (I / F) may be used to perform wireless LAN communication specified in the IEEE 802.11 series or mobile communication specified in 3GPP (3rd Generation Partnership Project).
  • the interface unit (I / F) 1201 may include, for example, a network interface card (NIC) compliant with the IEEE802.3 series.
  • NIC network interface card
  • the second video analysis unit 200b includes a decoder 201b, an analysis result receiving unit 203b, a second detection unit 205b, an analysis result adjusting unit 207b, and a band estimation unit 212b.
  • the decoder 201b decodes the video frame encoded by the encoder 108b and transmits the video frame to the second detection unit 205b.
  • the decoder 201b may include a frame buffer that receives video frames from the encoder 108 and temporarily stores them.
  • the second detection unit 205b detects an object in the sorted frame.
  • the second detection unit 205b is also called a video analysis program B (also called a cloud model or a high-precision model) capable of performing video analysis with higher accuracy than the video analysis program A for the video frame from the decoder 201. Perform image analysis in).
  • An example of a high-precision model is Mask RCNN, which performs general object detection and segmentation.
  • FIG. 8 is a diagram showing a video frame including an exemplary object detected by the second video analysis unit.
  • FIG. 8 shows the result of detecting an object with a high-precision model in the same video frame as in FIG. In this example, as shown in FIG.
  • FIG. 8 traffic-related objects such as automobiles, bicycles, pedestrians, and traffic lights are detected. Each detected object is surrounded by a bounding box.
  • the notation “Car: 99%” shown in the vicinity of the bounding box indicates that the probability (reliability) that the detection target is an automobile is 99%.
  • FIG. 8 shows that the object is detected with higher reliability than that of FIG.
  • the analysis result receiving unit 203b receives the analysis result from the analysis result transmitting unit 107b.
  • the analysis result receiving unit 203b may be an analysis result data buffer for temporarily storing the analysis result data.
  • the analysis result adjustment unit 207b adjusts the video frame based on the video frame in which the object is detected by the second detection unit 205b (the object is surrounded by a bounding box) and the movement vector. Specifically, the analysis result adjusting unit 207b adjusts the video frame shot after the video frame based on the video frame in which the object is detected by the second detection unit 205b and the movement vector. The analysis result adjustment unit 207b is detected by the first detection unit 105b based on, for example, a video frame in which the object is detected by the second detection unit 205b (the object is surrounded by a bounding box) and a movement vector. From the result, adjust the position of the object.
  • the analysis result adjusting unit 207b adjusts the detection result of the low-precision model by the first detection unit 105b with reference to the detection result of the high-precision model of the second detection unit 205b.
  • the analysis result adjustment unit 207b refers to the video frame detected by the high-precision model of the second detection unit 205b, and the video image taken after the video frame and distributed to the first detection unit 105 (low-precision model). Estimate the frame with high accuracy.
  • the band estimation unit 212b can be used to transmit data via a wireless network from the first video analysis unit 100b to the second video analysis unit 200b with reference to the usage amount of the analysis result data buffer and the frame buffer described above. Estimate the usable band that indicates a certain band. The band estimation unit 212b notifies the change unit 104 of the first video analysis unit 100b of the estimated usable band (for example, large, medium, small).
  • the change unit 104b changes the frame transmission ratio of the frame distribution unit 103b based on the estimated usable band. For example, when the usable band is large, the changing unit 104b may change the frame transmission ratio to a high value to increase the analysis ratio in the cloud. Alternatively, when the usable band is small, the changing unit 104b may change the frame transmission ratio to a low value and increase the analysis ratio at the edge.
  • FIG. 9 is a conceptual diagram illustrating an overall picture of the adjustment process according to some embodiments.
  • the frame shown by the solid line indicates the frame sent to the cloud.
  • the frame shown by the broken line indicates the frame distributed to the edge.
  • the frame distribution unit 103b transmits frames to the second video analysis unit 200 on the cloud side at a frame transmission rate of 25%. That is, the frame (shown by the solid line) taken at time t is sent to the second video analysis unit 200b on the cloud side.
  • the object is detected by the high-precision model of the second detection unit 205b on the cloud side.
  • a frame in which an object is detected on the cloud side is called a reference frame.
  • the object is detected by the first detection unit 105 of the first video analysis unit 100b on the edge side. Further, for the frame photographed at the time t + 1, the movement vector in the bounding box surrounding the detection target is acquired by the movement vector acquisition unit 106b.
  • These detection results also referred to as edge detection results in the present specification
  • movement vectors are sent by the analysis result transmission unit 107b to the analysis result reception unit 203b of the second video analysis unit 200b.
  • the analysis result adjusting unit 207b sets the time based on the detection result (also referred to as the cloud detection result in the present specification) by the second detection unit 205b on the cloud side for the frame at time t and the movement vector for the frame at time t + 1. Adjust the edge detection result for the t + 1 frame.
  • the object is detected by the first detection unit 105b of the first video analysis unit 100b on the edge side.
  • the movement vector acquisition unit 106b acquires the movement vector in the bounding box surrounding the detection target.
  • These edge detection results and movement vectors are sent by the analysis result transmission unit 107b to the analysis result receiving unit 203b of the second video analysis unit 200b.
  • the analysis result adjusting unit 207b adjusts the edge detection result for the frame at time t + 2 based on the adjusted result for the frame at time t + 1 and the movement vector for the frame at time t + 2.
  • the object is detected by the first detection unit 105b of the first video analysis unit 100b on the edge side.
  • the movement vector acquisition unit 106b acquires the movement vector in the bounding box surrounding the detection target.
  • These edge detection results and movement vectors are sent by the analysis result transmission unit 107b to the analysis result receiving unit 203b of the second video analysis unit 200b.
  • the analysis result adjustment unit 207b adjusts the edge detection result for the frame at time t + 3 based on the adjusted result for the frame at time t + 2 and the movement vector for the frame at time t + 3.
  • the frame shot at time t + 4 is sent to the second video analysis unit 200b on the cloud side again by the frame distribution unit 103. Then, in the frame, the object is detected by the high-precision model of the second detection unit 205b on the cloud side. That is, the frame taken at the time t + 4 becomes the reference frame, and the adjustment process after the time t + 5 is performed.
  • the frame transmission ratio is set to 25%, but the present invention is not limited to this.
  • the shooting interval between frames can be set arbitrarily.
  • the adjusted result of the immediately preceding t + 1 or t + 2 frame is used as a reference, but the reference frame may be used as a reference. That is, the edge detection result for the frame at time t + 2 may be adjusted based on the cloud detection result for the frame at time t and the movement vector for the frame at time t + 2 with reference to the reference frame at time t. Similarly, the edge detection result for the frame at time t + 3 may be adjusted based on the cloud detection result for the frame at time t and the movement vector for the frame at time t + 3 with reference to the reference frame at time t. ..
  • FIG. 10 is a conceptual diagram illustrating a specific example of the operation of the analysis result adjusting unit 207b.
  • the analysis result adjustment unit 207b of the second video analysis unit 200b on the cloud side uses the cloud detection result for the frame captured at time t, the edge detection result for the frame captured at time t + 1, and the movement vector at time t + 1. Estimate the exact result in.
  • the frame shot at time t is detected by the second detection unit 205b of the second video analysis unit 200b on the cloud side.
  • the frame shows two bounding boxes B1 and B2 (also referred to as cloud detection objects) surrounding the two detected objects.
  • the object is detected by the first detection unit 105b of the first video analysis unit 100 on the edge side.
  • two bounding boxes B21 and B22 also referred to as edge detection objects surrounding the two detected objects are shown in the frame.
  • the frame itself is not sent to the second video analysis unit 200b on the cloud side, and the detection result of the object (bounding boxes B21, B22) and the average value of the movement vectors in each bounding are the second video. It is sent to the analysis unit 200b.
  • the analysis result adjustment unit 207b arranges the bounding boxes B21 and B22 photographed at time t + 1 on the reference frame photographed at time t.
  • the bounding box B1 is moved to the bounding box B12 based on the average moving vector in the bounding box B11 by the shooting interval between these frames (in FIG. 9, the cloud object after the movement).
  • the bounding box B2 in the frame at time t no object is detected in the frame at time t + 1 (that is, there is no bounding box overlapping with the bounding box B2 in the frame at time t + 1). That is, it is considered that the object in the bounding box B2 in the frame at time t is framed out by the movement of the object in the frame at time t + 1. Therefore, the bounding box B2 is deleted from the estimation result at time t + 1.
  • the bounding box B22 in the frame at time t + 1 no object is detected in the frame at time t (that is, there is no bounding box that overlaps with the bounding box B22 in the frame at time t).
  • the object in the bounding box B22 in the frame at time t + 1 is considered to have newly appeared (in FIG. 9, the edge new detection object). Therefore, the bounding box B22 is kept in the estimation result at time t + 1.
  • the analysis result adjustment unit 207b on the cloud side adjusts the edge detection result at time t + 1, and as shown in FIG. 10, a more accurate analysis result at time t + 1 (adjusted result in FIG. 9). Can be estimated.
  • the analysis result at the estimated time t + 1 (the adjusted result of t + 1 in FIG. 9) is referred to in the frame adjustment process at time t + 2 (see FIG. 9).
  • FIG. 11 is a flowchart showing the operation of the first video analysis unit arranged on the edge side according to the third embodiment.
  • the first video analysis unit 100b first initializes (step S301). Here, the frame distribution counter and the like are initialized.
  • the video frame receiving unit 101b receives a video frame from an in-vehicle camera (not shown) (step S302).
  • the frame distribution unit 103b distributes whether the video frame is analyzed by the second video analysis unit 200b on the cloud side or the first detection unit 105b on the edge side (step S303).
  • the encoder 108b encodes the video frame with a predetermined quality and transmits it to the second video analysis unit 200 (step).
  • step S304 the encoder 108b encodes the video frame with a predetermined quality and transmits it to the second video analysis unit 200 (step).
  • the first detection unit 105b uses the edge model (lightweight model) to display the object in the video frame. Is detected (step S305). Subsequently, the moving vector acquisition unit 106 acquires the average moving vector in the bounding box surrounding the detected object (step S306). The analysis result transmission unit 107b transmits the detection result of each object and the movement vector of each object to the second video analysis unit 200b (step S307). Subsequently, when the video frame receiving unit 101b receives the subsequent frames from the camera in chronological order (returning to step S302), the above process is repeated.
  • the edge model lightweight model
  • FIG. 12 is a flowchart showing an operation related to video frame reception of the second video analysis unit arranged on the cloud side according to the third embodiment.
  • the second video analysis unit 200b receives the video frame (step S401).
  • the decoder 201 decodes the encoded video frame.
  • the second detection unit 205 detects an object in the video frame using the cloud model (step S402). Initialize the cloud detection object (step S403).
  • the undetected counter value and the position of the cloud-detected object which will be described later, are initialized.
  • the second detection unit 205b of the second video analysis unit 200 outputs the cloud detection result to the external and analysis result adjustment units 207b (step S404).
  • FIG. 13 is a flowchart showing the operation of the analysis result adjusting unit arranged on the cloud side according to the third embodiment.
  • the analysis result adjusting unit 207b receives the cloud detection result from the second detection unit 205b for the frame captured at the time t and holds it as a reference frame (step S410).
  • the analysis result adjusting unit 207b receives the edge analysis result for the frame at time t + 1 taken immediately after the reference frame taken at time t from the analysis result receiving unit 203b (step S411).
  • the analysis result includes the detection result by the first detection unit 105b and the movement vector of each detected object acquired by the movement vector acquisition unit 106b.
  • the capacity of this analysis result data is significantly smaller than the capacity of the video frame itself.
  • the analysis result adjustment unit 207b acquires the one with the largest overlap between the cloud detection target and the edge detection target. (Step S414).
  • the bounding box B1 surrounding the cloud detection target and the bounding box B21 surrounding the edge detection target have the largest overlap, they are acquired.
  • step S416 it is determined whether the multiplicity is equal to or higher than the threshold value.
  • the degree of duplication is evaluated by IoU (Intersection over Union).
  • the acquired edge detection object is deleted (step S417), and the acquired cloud detection object is moved according to the movement vector of the edge detection object (step). S419).
  • the edge detection result may have low accuracy. Therefore, the bounding box B21 surrounding the edge detection target is deleted. .. Further, the bounding box B1 surrounding the cloud detection target is moved to the bounding box B12 according to the average moving vector in the bounding box B21. In this way, a highly accurate estimation result at t + 1 can be obtained.
  • step S412 the process returns to step S412, and other cloud detection objects in the reference frame are also examined. That is, when the unadjusted cloud detection target is in the reference frame (YES in step S412), the one with the largest overlap between the cloud detection target and the edge detection target is acquired (step S414). In the example of FIG. 11, only the bounding box B2 surrounding the cloud detection target is acquired (because there is no overlapping edge detection target).
  • the overlap degree is less than the threshold value (NO in step S417), and the cloud detection object in the reference frame is taken at the time t + 1 immediately after. If it is not detected within the frame of, the undetected counter of the cloud detection target is added (step S421). If the undetected counter is larger than the threshold number (that is, the cloud detection target is not found in a predetermined number of consecutive frames), the cloud detection target is considered to have been framed out due to its movement, and is therefore deleted. In the example of FIG. 10, the bounding box B2 surrounding the cloud detection target is deleted.
  • the analysis result adjustment unit 207b sets the cloud detection object and the newly appearing edge detection object at time t + 1. It is output as an estimation result (step S413).
  • the newly appearing edge detection object is the bounding box B22.
  • a specific example of the estimation result is shown in FIG.
  • FIG. 14 is a graph illustrating the detection accuracy of a video analysis system using a fixed camera.
  • the vertical axis indicates the detection accuracy of the object
  • the horizontal axis indicates the frame transmission ratio indicating the distribution rate between the edge and the frame.
  • 10 -1 on the horizontal axis sends a frame to the second video analysis unit 200b on the cloud side at a rate of once in 10 times out of consecutive frames, in other words, one frame is sent to the cloud side second frame. 2
  • the first image analysis unit 100 on the edge side processes the image 9 times in a row.
  • the related method 1 is the detection accuracy when the cloud detection result for the frame shot at time t is used as the detection result for the frame shot at time t + 1.
  • the related method 2 is the detection accuracy when the edge detection result of the frame taken at the time t + 1 is used as it is.
  • FIG. 15 is a graph illustrating the detection accuracy of a video analysis system using an in-vehicle camera. Since FIG. 15 is basically the same as FIG. 14, description thereof will be omitted as appropriate. From FIG. 15, it can be seen that when an in-vehicle camera is used, the proposed method is considerably more accurate than the related method 1 and significantly higher than the related method 2. In particular, when an in-vehicle camera is used, the camera itself moves, so that the detection position shifts significantly between the frames. Therefore, in the related method 2 in which the cloud detection result for the immediately preceding frame is used as it is, the accuracy is significantly lowered. Further, from FIG.
  • the accuracy of the proposed method deteriorates to the same extent as that of the related method 3 as the frame transmission ratio decreases. From this, also in the present proposed method, if the frame transmission ratio is equal to or more than the threshold value (for example, 1% or more in FIG. 15), more accurate video analysis than the related method can be realized.
  • the threshold value for example, 1% or more in FIG. 15
  • the video analysis system 1 refers to the cloud detection result and adjusts the edge detection result to perform high-precision video analysis even if the wireless network has a low band. Can be realized. Further, even when the accuracy difference of the image detection between the edge model and the cloud model is large, it is possible to realize highly accurate image analysis for a series of image frames. Further, even when a camera such as an in-vehicle camera moves, high-precision video analysis can be realized.
  • FIG. 16 is a block diagram showing a configuration of the vehicle remote control system according to the fourth embodiment.
  • the vehicle remote control system 3 includes a plurality of autonomous driving vehicles 10A and 10B, and a remote monitoring device 50 that monitors and controls these autonomous driving vehicles 10A and 10B.
  • the plurality of autonomous driving vehicles 10A are connected to the remote monitoring device 50 via a network 30 such as a mobile phone network.
  • a network 30 such as a mobile phone network.
  • the usable band may fluctuate, so that the image quality of the remote monitoring device 50 may deteriorate due to the lack of band.
  • FIG. 16 shows two self-driving vehicles, the number of vehicles is not limited to this. It may be equipped with N self-driving vehicles (natural numbers of N or more).
  • Examples of the network 30 referred to here include a local area network (LAN) and a wide area network (WAN), for example, the Internet.
  • Communication networks include, for example, Ethernet (registered trademark), Universal Serial Bus (USB), FIREWIRE (registered trademark), and global system for mobile communication (Global System for Mobile Communications, GSM (registered trademark)).
  • GSM Global System for Mobile Communications
  • GSM registered trademark
  • Enhanced Data GSM® Environment Enhanced Data GSM® Environment, EDGE
  • CDMA Code Division Multiple Access
  • TDMA Time Division Multiple Access
  • Bluetooth Various wired or wireless applications such as Registered Trademarks
  • Wi-Fi® voice over Internet Protocol
  • VoIP Wi-MAX®
  • Wi-MAX® or any other suitable communication protocol. It can be implemented using any well-known network protocol, including protocols.
  • each autonomous driving vehicle includes one or more in-vehicle cameras 130, a first video analysis unit 100, and a vehicle body control unit 150. Since the specific configuration of the first video analysis unit 100 (100a, 100b) is basically the same as the configuration described above, it is omitted here.
  • the first video analysis unit 100 distributes the video frame from the vehicle-mounted camera 130 to the first video analysis unit 100 or the second video analysis unit 200.
  • the first video analysis unit 100 encodes the frames distributed to the second video analysis unit 200 and transmits the frames to the second video analysis unit 200 via the wireless network. Further, the first video analysis unit 100 detects an object in the frame distributed to the first video analysis unit 100 with an edge model.
  • the first video analysis unit 100 acquires a movement vector in the detection region of the object.
  • the first video analysis unit 100 transmits each object (detection result) and a movement vector associated with the object (detection result) to the remote monitoring device 50 via the wireless network.
  • the remote monitoring device 50 remotely monitors and controls each autonomous driving vehicle by using the image received from the in-vehicle camera of each autonomous driving vehicle.
  • the remote driver may remotely drive a specific self-driving vehicle while looking at the display unit 260 displaying the image from each in-vehicle camera.
  • the remote monitoring device 50 may automatically control each autonomous driving vehicle based on the result of video analysis with high accuracy.
  • the remote monitoring device 50 includes a display unit 260, a second video analysis unit 200 (200a, 200b), and a vehicle control unit 250. Since the specific configuration of the second video analysis unit 200 (200a, 200b) is basically the same as the configuration described above, it is omitted here.
  • the second video analysis unit 200 detects an object in the video frame sent from each autonomous driving vehicle by using a cloud model. Further, as described above, the second video analysis unit 200 adjusts the analysis result sent from the first video analysis unit 100 of each autonomous driving vehicle. As a result, the second video analysis unit 200 can obtain not only a highly accurate detection result for the video frame sent from each autonomous driving vehicle but also a highly accurate estimation result for the subsequent video frame.
  • the display unit 260 displays the analysis result analyzed by the second video analysis unit 200. For example, as shown in FIG. 8, a plurality of detection objects surrounded by a bounding box may be displayed.
  • the vehicle control unit 250 can estimate the movement of each autonomous driving vehicle based on the image analysis result by the second image analysis unit 200, determine appropriate automatic driving control information for each vehicle, and determine appropriate automatic driving control information. Can be sent. For example, when the vehicle control unit 250 determines from the analysis result of the second video analysis unit 200 that an oncoming vehicle (for example, the autonomous driving vehicle 10B) is approaching near the crossroads, the vehicle control unit 250 is not a priority vehicle (for example). For example, the vehicle body control unit 150 of the own vehicle is instructed to stop the autonomous driving vehicle 10A) before entering the crossroads.
  • an oncoming vehicle for example, the autonomous driving vehicle 10B
  • the vehicle control unit 250 is not a priority vehicle (for example).
  • the vehicle body control unit 150 of the own vehicle is instructed to stop the autonomous driving vehicle 10A) before entering the crossroads.
  • the vehicle control unit 250 can identify a vehicle (for example, vehicle 10B) that is abnormally or specially driven from the analysis results of the second video analysis unit 200 for the autonomous driving vehicle 10A and the autonomous driving vehicle 10B. can. After that, the vehicle control unit 250 determines the ratio of frames to be transmitted to the second video analysis unit 200 in the frame distribution unit 103 in the first video analysis unit 100 of the specified vehicle (for example, vehicle 10B). You may be instructed to change the percentage (eg, 50%). By doing so, it is possible to analyze the video frame from the in-vehicle camera of the vehicle that is driving abnormally or specially with higher accuracy, and it is possible to realize highly safe remote control.
  • a vehicle for example, vehicle 10B
  • the vehicle control unit 250 determines the ratio of frames to be transmitted to the second video analysis unit 200 in the frame distribution unit 103 in the first video analysis unit 100 of the specified vehicle (for example, vehicle 10B). You may be instructed to change the percentage (eg, 50%). By doing so, it is possible to analyze the video frame from the in-ve
  • FIG. 17 is a block diagram showing a configuration example of the video analysis units 100 and 200 (hereinafter referred to as the video analysis unit 100 and the like).
  • the video analysis unit 100 and the like include a network interface 1201, a processor 1202, and a memory 1203.
  • the network interface 1201 is used to communicate with other network node devices that make up the communication system.
  • Network interface 1201 may be used to perform wireless communication.
  • the network interface 1201 may be used to perform wireless LAN communication specified in the IEEE 802.11 series or mobile communication specified in 3GPP (3rd Generation Partnership Project).
  • the network interface 1201 may include, for example, an IEEE802.3 series compliant network interface card (NIC).
  • NIC network interface card
  • the processor 1202 reads the software (computer program) from the memory 1203 and executes it to perform the processing of the monitoring device 10 or the like described by using the flowchart or the sequence in the above-described embodiment.
  • the processor 1202 may be, for example, a microprocessor, an MPU (Micro Processing Unit), or a CPU (Central Processing Unit).
  • Processor 1202 may include a plurality of processors.
  • Memory 1203 is composed of a combination of volatile memory and non-volatile memory. Memory 1203 may include storage located away from processor 1202. In this case, processor 1202 may access memory 1203 via an I / O interface (not shown).
  • the memory 1203 is used to store the software module group. By reading these software modules from the memory 1203 and executing the processor 1202, the processor 1202 can perform the processing of the video analysis unit 100 and the like described in the above-described embodiment.
  • each of the processors included in the video analysis unit 100 and the like executes one or a plurality of programs including a group of instructions for causing the computer to perform the algorithm described with reference to the drawings. ..
  • FIGS. 2, 4, 11, 12 and 13 show the specific order of execution, but the order of execution may be different from the drawn form. For example, the order of execution of two or more steps may be swapped with respect to the indicated order. Also, the two or more steps shown consecutively in FIGS. 2, 4, 11, 12 and 13 may be performed simultaneously or partially simultaneously. Further, in some embodiments, one or more steps shown in FIGS. 2, 4, 11, 12 and 13 may be skipped or omitted.
  • Non-temporary computer-readable media include various types of tangible storage mediums.
  • Examples of non-temporary computer-readable media include magnetic recording media (eg, flexible discs, magnetic tapes, hard disk drives), magneto-optical recording media (eg, magneto-optical discs), CD-ROMs (Read Only Memory), CD-Rs, CD-R / W, DVD (Digital Versatile Disc), BD (Blu-ray (registered trademark) Disc), semiconductor memory (for example, mask ROM, PROM (Programmable ROM), EPROM (Erasable PROM), flash ROM, RAM (for example) RandomAccessMemory)) is included.
  • magnetic recording media eg, flexible discs, magnetic tapes, hard disk drives
  • magneto-optical recording media eg, magneto-optical discs
  • CD-ROMs Read Only Memory
  • CD-Rs Compact Only Memory
  • CD-R / W Digital Versatile Disc
  • DVD Digital Versatile Disc
  • BD Blu-ray
  • the program may also be supplied to the computer by various types of temporary computer readable medium.
  • temporary computer-readable media include electrical, optical, and electromagnetic waves.
  • the temporary computer-readable medium can supply the program to the computer via a wired communication path such as an electric wire and an optical fiber, or a wireless communication path.
  • the present invention is not limited to the above embodiment, and can be appropriately modified without departing from the spirit.
  • the first video analysis unit 100 and the second video analysis unit 200 in the video analysis device 1 may be provided in the same device, in the same server, or in the same site.
  • the plurality of examples or embodiments described above can be implemented in combination as appropriate.
  • (Appendix 1) An image analyzer equipped with a first image analysis unit and a second image analysis unit.
  • the first video analysis unit A distribution unit that distributes at least two frames to the first video analysis unit or the second video analysis unit, A first detection unit that detects an object in a frame distributed to the first video analysis unit, and a first detection unit.
  • An acquisition unit that acquires information on movement associated with the detected object and transmits the information on the movement and the detection result in the first detection unit to the second video analysis unit.
  • the second video analysis unit A second detection unit that detects an object in the frame received from the distribution unit, and An adjustment unit that adjusts the detection result of the first detection unit based on the detection result of the second detection unit and information on the movement, and an adjustment unit.
  • a video analyzer equipped with. (Appendix 2)
  • the first video analysis unit A movement information acquisition unit that acquires information regarding movement of the detected object within the detection area, and a movement information acquisition unit.
  • An analysis result transmission unit that transmits the information related to the movement and the detection result of the first detection unit to the second video analysis unit as an analysis result.
  • a frame transmission unit that transmits the frames sorted when analyzed by the second video analysis unit to the second video analysis unit, and a frame transmission unit.
  • the video analyzer according to Appendix 1.
  • Appendix 3 The video analyzer according to Appendix 1 or 2, wherein the sorting unit sorts a series of frames to be continuously received so as to be analyzed by the second video analysis unit at a predetermined frame transmission ratio or more.
  • Appendix 4 An estimation unit that estimates the bandwidth that can be used by the network from the first video analysis unit to the second video analysis unit, and an estimation unit.
  • Appendix 5 The video analyzer according to Appendix 2, wherein the analysis result includes the center coordinates of a box surrounding the detected object, the width and height of the box, and an identifier indicating the detected object.
  • Appendix 6 The video analysis apparatus according to any one of Appendix 1 to 5, wherein the frame assigned to the first video analysis unit is taken after the frame distributed to the second video analysis unit.
  • Appendix 7 The video analyzer according to any one of Supplementary note 1 to 6, wherein the information regarding the movement includes information on the moving direction of the object or a movement vector.
  • Appendix 8) A video analysis system including a first video analysis unit and a second video analysis unit.
  • the first video analysis unit A distribution unit that distributes at least two frames to the first video analysis unit or the second video analysis unit, A first detection unit that detects an object in a frame distributed to the first video analysis unit, and a first detection unit.
  • An acquisition unit that acquires information on movement associated with the detected object and transmits the information on the movement and the detection result in the first detection unit to the second video analysis unit.
  • the second video analysis unit A second detection unit that detects an object in the frame received from the distribution unit, and An adjustment unit that adjusts the detection result of the first detection unit based on the detection result of the second detection unit and information on the movement, and an adjustment unit.
  • a video analysis system equipped with. (Appendix 9)
  • the first video analysis unit A movement information acquisition unit that acquires information regarding movement of the detected object within the detection area, and a movement information acquisition unit.
  • An analysis result transmission unit that transmits the information related to the movement and the detection result of the first detection unit to the second video analysis unit as an analysis result.
  • a frame transmission unit that transmits the frames sorted when analyzed by the second video analysis unit to the second video analysis unit, and a frame transmission unit.
  • the video analysis system according to Appendix 8. (Appendix 10) The video analysis system according to Appendix 8, wherein the sorting unit sorts a series of frames to be continuously received so as to be analyzed by the second video analysis unit at a predetermined frame transmission ratio or more.
  • An estimation unit that estimates the bandwidth that can be used by the network from the first video analysis unit to the second video analysis unit, and an estimation unit.
  • the video analysis system according to Appendix 10 further comprising a changing unit that changes the predetermined frame transmission ratio according to the estimated usable band.
  • Appendix 12 The video analysis system according to any one of Appendix 8 to 11, wherein the frame assigned to the first video analysis unit is taken after the frame distributed to the second video analysis unit.
  • Appendix 13 The video analysis system according to any one of Appendix 8 to 12, wherein the first video analysis unit is provided on the edge side and the second video analysis unit is provided on the cloud side.
  • Appendix 14 This is a video analysis method in which the first video analysis unit and the second video analysis unit perform video analysis in a distributed manner for a series of frames. In the first video analysis unit At least two received frames are distributed to the first video analysis unit or the second video analysis unit.
  • the objects in the sorted frames are detected, and Information on the movement associated with the detected object is acquired, and the information on the movement and the detection result in the first video analysis unit are transmitted to the second video analysis unit.
  • the second video analysis unit The object in the frame received from the first video analysis unit is detected, and the object is detected.
  • the video analysis method according to Appendix 14 wherein a series of frames to be continuously received are sorted so as to be analyzed by the second video analysis unit at a predetermined frame transmission ratio or more.
  • Appendix 19 The video analysis method according to any one of Appendix 14 to 18, wherein the frame assigned to the first video analysis unit is taken after the frame distributed to the second video analysis unit.
  • Appendix 20 The video analysis method according to any one of Supplementary note 14 to 19, wherein the information regarding the movement includes information on the moving direction of the object or a movement vector.
  • Video analysis system 3 Vehicle remote control system 10 Automatically driven vehicle 30 Network 50
  • Remote monitoring device 100 1st video analysis unit 101b
  • Video frame receiver 103
  • Sorting unit 103b Frame distribution unit 104b Change unit 105 1st detection unit 105a, 105b 1st Detection unit 106
  • Acquisition unit 106a Movement information acquisition unit 106b Movement vector acquisition unit 107a Analysis result transmission unit 108b
  • Encoder 109a Frame transmission unit 110b
  • Body control unit 200 2nd video analysis unit 201b Decoder 203b Analysis result reception unit 205 2nd detection unit 207, 207a Adjustment unit 207b Analysis result adjustment unit 212b
  • Band estimation unit 250
  • Vehicle control unit 260 Display unit

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

映像分析精度を向上させた映像分析装置等を提供する。 映像分析装置は、第１映像分析部（１００）と第２映像分析部（２００）とを備える。第１映像分析部（１００）は、少なくとも２つのフレームを、第１映像分析部（１００）か、第２映像分析部（２００）に振り分ける振り分け部（１０３）と、第１映像分析部（１００）で分析すると振り分けられたフレーム内の対象物を検出する第１検出部（１０５）と、検出された対象物に関連付けられた移動に関する情報を取得し、当該移動に関する情報と第１検出部（１０５）での検出結果を第２映像分析部（２００）に送信する取得部（１０６）と、を備える。第２映像分析部（２００）は、振り分け部（１０３）からフレーム内の対象物を検出する第２検出部（２０５）と、第２検出部（２０５）での検出結果と前記移動に関する情報に基づいて、第１検出部（１０５）での検出結果を調整する調整部（２０７）と、を備える。

Description

映像分析装置、映像分析システム及び映像分析方法
　本発明は映像分析装置、映像分析システム及び映像分析方法に関する。
　非特許文献１には、一連の映像フレームについて、複数の映像分析部で分散して映像分析を行う技術が開示されている。
　しかしながら、非特許文献１に記載の技術では、依然として映像分析の精度が十分ではないという問題がある。
　本発明は、このような問題点を解決するためになされたものであり、映像分析精度を向上させた映像分析装置、映像分析システム及び映像分析方法を提供することを目的とする。
　本発明の第１の態様にかかる映像分析装置は、
第１映像分析部と第２映像分析部とを備えた映像分析装置であって、
　前記第１映像分析部は、
　少なくとも２つのフレームを前記第１映像分析部か、前記第２映像分析部に振り分ける振り分け部と、
　前記第１映像分析部に振り分けられたフレーム内の対象物を検出する第１検出部と、
　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１検出部での検出結果を前記第２映像分析部に送信する取得部と、
を備え、
　前記第２映像分析部は、
　前記振り分け部から受信したフレーム内の対象物を検出する第２検出部と、
　前記第２検出部での検出結果と前記移動に関する情報に基づいて、前記第１検出部での検出結果を調整する調整部と、
を備える。
　本発明の第２の態様にかかる映像分析システムは、
　第１映像分析部と、第２映像分析部とを備えた映像分析システムであって、
　前記第１映像分析部は、
　少なくとも２つのフレームを前記第１映像分析部か、前記第２映像分析部に振り分ける振り分け部と、
　前記第１映像分析部に振り分けられたフレーム内の対象物を検出する第１検出部と、
　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１検出部での検出結果を前記第２映像分析部に送信する取得部と、
を備え、
　前記第２映像分析部は、
　前記振り分け部から受信したフレーム内の対象物を検出する第２検出部と、
　前記第２検出部での検出結果と前記移動に関する情報に基づいて、前記第１検出部での検出結果を調整する調整部と、
を備える。
　本発明の第３の態様にかかる映像分析方法は、
　一連のフレームに対して第１映像分析部と第２映像分析部で分散して映像分析を行う映像分析方法であって、
　前記第１映像分析部において、
　少なくとも２つのフレームを連続して受信し、前記第１映像分析部で分析するか、前記第２映像分析部で分析するかを振り分け、
　前記第１映像分析部で分析すると振り分けられたフレーム内の対象物を検出し、
　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１映像分析部での検出結果を前記第２映像分析部に送信し、
　前記第２映像分析部において、
　前記第１映像分析部から受信したフレーム内の対象物を検出し、
　前記第２映像分析部での検出結果と前記移動に関する情報に基づいて、前記第１映像分析部での検出結果を調整する。
　本発明によれば、映像分析精度を向上させた映像分析装置、映像分析システム及び映像分析方法を提供することができる。
実施の形態１にかかる映像分析装置の構成を示すブロック図である。 実施の形態１にかかる映像分析方法を示すフローチャートである。 実施の形態２にかかる映像分析装置の構成を示すブロック図である。 実施の形態２にかかる映像分析方法を示すフローチャートである。 実施の形態３にかかる映像分析システムの構造を示すブロック図である。 実施の形態３にかかる、第１映像分析部で検出される例示的な対象物を含む映像フレームを示す図である。 実施の形態３にかかる、移動ベクトルを算出する例を説明する図である。 実施の形態３にかかる、第２映像分析部で検出される例示的な対象物を含むフレームを示す図である。 一部の実施の形態にかかる調整処理の全体像を説明する概念図である。 一部の実施の形態にかかる調整処理の具体例を説明する概念図である。 実施の形態３にかかるエッジ側に配置された第１映像分析部の動作を示すフローチャートである。 実施の形態３にかかるクラウド側に配置された第２映像分析部の映像フレーム受信に関する動作を示すフローチャートである。 実施の形態３にかかるクラウド側に配置された分析結果調整部による動作を示すフローチャートである。 固定カメラを用いた映像分析システムの検出精度を説明するグラフである。 車載カメラを用いた映像分析システムの検出精度を説明するグラフである。 実施の形態４にかかる車両遠隔制御システムの構成を示すブロック図である。 映像分析装置又は映像分析部のハードウェアの構成例を示すブロック図である。
　実施の形態１
　以下、図面を参照して本発明の実施の形態について説明する。
　図１は、実施の形態１にかかる映像分析装置の構成を示すブロック図である。
　映像分析装置１は、少なくとも２つのフレームを分散して処理するために、第１映像分析部１００と第２映像分析部２００とを備える。映像分析装置１は、１つ又はそれ以上のコンピュータにより実現され得る。少なくとも２つのフレームは、連続する２つのフレームでもよいし、別のフレームを挟んだ２つのフレームでもよい。
　第１映像分析部１００は、少なくとも２つのフレームを、第１映像分析部１００か、第２映像分析部２００に振り分ける振り分け部１０３と、第１映像分析部１００で分析すると振り分けられたフレーム内の対象物を検出する第１検出部１０５と、検出された対象物に関連付けられた移動に関する情報を取得し、当該移動に関する情報と第１検出部１０５での検出結果を第２映像分析部２００に送信する取得部１０６と、を備える。第１検出部１０５は、所定の映像分析プログラムを用いて、フレームから、予め指定された対象物を検出する。振り分け部１０３は、予め設定された振り分け率で、フレームを第１映像分析部１００か、第２映像分析部２００に振り分けることができる。「検出された対象物に関連付けられた移動に関する情報」とは、例えば、対象物を囲うバウンディングボックス内の対象物の移動する方向の情報又は移動ベクトルを含んでもよい。
　第２映像分析部２００は、振り分け部１０３からのフレーム内の対象物を検出する第２検出部２０５と、第２検出部２０５での検出結果と前記移動に関する情報に基づいて、第１検出部１０５での検出結果を調整する調整部２０７と、を備える。第２検出部２０５は、所定の映像分析プログラムを用いて、フレームの中から、予め指定された対象物を検出する。
　図２は、実施の形態１にかかる映像分析方法を示すフローチャートである。
　実施の形態１にかかる映像分析方法は、少なくとも２つのフレームを第１映像分析部１００と第２映像分析部２００において分散して処理する。
　第１映像分析部１００において、連続して受信した少なくとも２つのフレームを、前記第１映像分析部１００か、第２映像分析部２００に振り分ける（ステップＳ１０１）。第１映像分析部１００に振り分けられたフレーム内の対象物を検出する（ステップＳ１０２）。検出された対象物に関連付けられた移動に関する情報を取得し、移動に関する情報と第１映像分析部１００での検出結果を第２映像分析部２００に送信する（ステップＳ１０３）。第２映像分析部２００において、第１映像分析部１００から受信したフレーム内の対象物を検出する（ステップＳ１０３）。第２映像分析部２００において、第２映像分析部２００での検出結果と移動に関する情報に基づいて、第１映像分析部１００での検出結果を調整する（ステップＳ１０５）。
　以上説明した実施の形態１にかかる映像分析装置および映像分析方法によれば、複数の映像分析部において、少なくとも２つのフレームを分散して処理しても、高精度な映像分析結果を得ることができる。
　実施の形態２
　図３は、実施の形態２にかかる映像分析装置の構成を示すブロック図である。
　映像分析装置１は、一連のフレーム（少なくとも２つのフレームを含む）を分散して処理するために、第１映像分析部１００ａと第２映像分析部２００ａとを備える。
　第１映像分析部１００ａは、カメラから受信した少なくとも２つの一連のフレームを第１映像分析部１００ａか、第２映像分析部２００ａに振り分ける振り分け部１０３ａと、第１映像分析部１００に振り分けられたフレーム内の対象物を検出する第１検出部１０５ａと、検出された対象物内の移動に関する情報を取得する移動情報取得部１０６ａと、移動に関する情報と第１検出部１０５ａでの検出結果を第２映像分析部に送信する分析結果送信部１０７ａと、第２映像分析部２００ａに振り分けられたフレームを第２映像分析部２００ａに送信するフレーム送信部１０９ａと、を備える。
　第１検出部１０５ａは、所定の映像分析プログラムを用いて、フレームから、予め指定された対象物を検出する。検出された対象物は、バウンディングボックスにより囲われ得る。移動情報取得部１０６ａは、２つのフレーム間において、対象物が動いていることを認識し、バウンディングボックス内の対象物に関する移動情報を取得する。移動情報取得部１０６ａは、第１映像分析部１００ａ内の記憶部に一時的に格納された映像フレームと、第１検出部１０５ａからの検出結果フレームとを比較して、移動情報を取得することができる。取得される移動情報は、対象物の移動する方向の情報又は移動ベクトルを含んでもよい。振り分け部１０３は、予め設定された振り分け率で、フレームを第１映像分析部１００か、第２映像分析部２００に振り分けることができる。例えば、振り分け率が１０％と設定されている場合、振り分け部１０３は、連続して受信するフレームを振り分けカウンタを用いてカウントし、最初のフレームを第２映像分析部２００に送信した後、残りの９枚のフレームを第１映像分析部１００に振り分けることができる。振り分け率は、閾値以上に設定されている。
　「検出された対象物の検出領域内の移動に関する情報」とは、例えば、対象物を囲うバウンディングボックス内の対象物の移動する方向の情報又は移動ベクトルを含んでもよい。
　フレーム送信部１０９ａは、映像フレームを所定の品質で符号化するエンコーダを備えてもよい。本実施の形態にかかる第１映像分析部１００ａは、分析結果送信部１０７ａと、フレーム送信部１０９ａと、を備える。分析結果送信部１０７ａは、第１映像分析部１００ａに振り分けられたフレームについての移動ベクトルと、検出結果を分析結果として、第２映像分析部２００ａに送信する。そのため、分析結果送信部１０７ａのフレーム当たりの送信データ容量は、比較的少ない。一方、フレーム送信部１０９ａは、第２映像分析部２００ａに振り分けられたフレームを所定の品質で符号化して送信するため、フレーム送信部１０９ａのフレーム当たりの送信データ容量は、分析結果送信部１０７ａより大きくなる。なお、以上説明したように、分析結果送信部１０７ａと、フレーム送信部１０９ａとは、異なるフレーム、すなわち、振り分け部１０３ａにおいて、第１映像分析部１００ａに振り分けられたフレームと、第２映像分析部２００ａに振り分けられたフレームに対処するものである。
　第２映像分析部２００ａは、フレーム送信部１０９ａから受信したフレーム内の対象物を検出する第２検出部２０５ａと、第２検出部２０５ａでの検出結果と移動に関する情報に基づいて、第１検出部１０５ａでの検出結果を調整する調整部２０７ａと、を備える。第２検出部２０５ａは、第１検出部１０５ａの映像分析プログラムとは異なる、又はより高精度な所定の映像分析プログラムを用いて、フレームから、予め指定された対象物を検出する。
　図４は、実施の形態２にかかる映像分析方法を示すフローチャートである。
　実施の形態２にかかる映像分析方法は、少なくとも２つのフレームを第１映像分析部１００と第２映像分析部２００において分散して処理する。
　第１映像分析部１００ａは、カメラから受信した一連のフレームを第１映像分析部１００ａか、第２映像分析部２００ａに別々に振り分ける（ステップＳ２０１）。第１映像分析部１００ａは、第１映像分析部１００ａに振り分けられたフレーム内の対象物を検出する（ステップＳ２０２）。第１映像分析部１００ａは、検出された対象物の検出領域（例えば、バウンディングボックス）内の移動に関する情報を取得する（ステップＳ２０３）。第１映像分析部１００ａは、移動に関する情報と第１映像分析部１００ａでの検出結果を第２映像分析部２００ａに送信する（ステップＳ２０４）。第１映像分析部１００ａは第２映像分析部２００ａに振り分けられたフレームを第２映像分析部２００ａに送信する（ステップＳ２０５）。
　第２映像分析部２００ａは、第１映像分析部１００ａから受信したフレーム内の対象物を検出する（ステップＳ２０６）。第２映像分析部２００ａでの検出結果と、第１映像分析部１００ａから受信した移動に関する情報に基づいて、第１映像分析部１００ａでの検出結果を調整する（ステップＳ２０７）。
　以上説明した実施の形態２にかかる映像分析装置および映像分析方法によれば、複数の映像分析部において、一連のフレームを分散して処理しても、高精度な映像分析結果を得ることができる。
　実施の形態３
　図５は、実施の形態３にかかる映像分析システムの構造を示すブロック図である。
　映像分析システム１ｂは、第１映像分析部１００ｂと、第２映像分析部２００ｂと、を備える。第１映像分析部１００ｂは、エッジ側に配置され、カメラと有線又は無線で接続されている。第１映像分析部１００ｂとカメラが、例えば、Ｗｉ－Ｆｉ（登録商標）などの無線通信で接続される場合、接続台数が少ないので、４Ｇ、５Ｇ等の携帯電話網と比べて、安定した通信が可能となる。第１映像分析部１００ｂは電源や設置スペースの制約から、十分な計算リソースを用意できず、計算コストの低い低精度モデルとなる場合が多い。一方、第２映像分析部２００は、第１映像分析部１００とＬＴＥ（登録商標）や５Ｇ、Ｗｉ－ｆｉ（登録商標）などの無線ネットワークを介して接続され、第１映像分析部１００ｂに比べて、計算リソースが潤沢であるので、高精度な映像分析を実現する。
　まず、第１映像分析部１００ｂの構成を説明する。第１映像分析部１００ｂは、例えば、コンピュータにより実現され得る車載用の映像分析装置である。第１映像分析部１００ｂは、例えば、図１７に示すように、演算処理等を行うＣＰＵ（Central Processing Unit）などのプロセッサ１２０２、プロセッサ１２０２によって実行される演算プログラム等が記憶されたＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）からなるメモリ１２０３、外部と信号の入出力を行うインターフェイス部（Ｉ／Ｆ）１２０１、などからなるマイクロコンピュータ等により構成されている。プロセッサ１２０２、メモリ１２０３、及びインターフェイス部１２０１は、データバスなどを介して相互に接続されている。インターフェイス部（Ｉ／Ｆ）１２０１は、IEEE 802.11 seriesにおいて規定された無線ＬＡＮ通信、もしくは３ＧＰＰ（3rd Generation Partnership Project）において規定されたモバイル通信を行うために使用されてもよい。もしくは、インターフェイス部（Ｉ／Ｆ）１２０１は、例えば、IEEE 802.3 seriesに準拠したネットワークインターフェースカード（NIC）を含んでもよい。
　第１映像分析部１００ｂは、図５に示すように、映像フレーム受信部１０１ｂ、フレーム振り分け部１０３ｂ、変更部１０４ｂ、第１検出部１０５ｂ、移動ベクトル取得部１０６ｂ、分析結果送信部１０７ｂ、エンコーダ１０８ｂ及び記憶部１１０ｂを含む。
　映像フレーム受信部１０１ｂは、車載カメラ（不図示）から有線ネットワークを介して１つ以上の映像フレームを連続的に受信する。なお、本例では車載カメラを例に説明するが、固定カメラなどの他のカメラであってもよい。受信した各映像フレームは、記憶部１１０ｂに一時的に格納される。
　フレーム振り分け部１０３ｂは、映像フレーム受信部１０１ｂからの各映像フレームについて、第１映像分析部１００ｂで分析するか、それとも第２映像分析部２００ｂで分析するかを所定のフレーム送信割合（振り分け率とも呼ばれる場合がある）で振り分ける。例えば、所定のフレーム送信割合が１０％と設定された場合、連続的に受信する１０枚の映像フレームのうち、第２映像分析部２００ｂに１枚のフレームを送信した後、９枚のフレームを第１映像分析部１００ｂに振り分ける。フレーム振り分け部１０３ｂは、連続的に受信する映像フレームを所定のフレーム送信割合以上で、第２映像分析部２００ｂで分析するように振り分ける。所定のフレーム送信割合は、第１映像分析部１００ｂから第２映像分析部２００ｂへの無線ネットワークの可用帯域に基づいて設定され得る。
　またフレーム振り分け部１０３ｂは、無線ネットワークでデータを送信するために使用可能である帯域を示す可用帯域を推定する。例えば、フレーム振り分け部１０３ｂは、可用帯域をレベル分けした値（例えば、大、中、小）で評価し、評価した可用帯域に基づいて、段階的にフレーム送信割合を変更してもよい（詳細は後述する）。
　エンコーダ１０８ｂは、第２映像分析部２００ｂで分析するように振り分けられた映像フレームをフレーム振り分け部１０３ｂから受信すると、映像フレームを所定の品質で符号化し、符号化された映像フレームを第２映像分析部２００ｂに送信する。
　一方、フレーム振り分け部１０３ｂにおいて第１映像分析部１００ｂで分析するように振り分けられた映像フレームは、第１検出部１０５ｂに送られる。
　第１検出部１０５ｂは、振り分けられたフレーム内の対象物を検出する。具体的には、第１検出部１０５ｂは、映像分析ブログラムＡ（エッジモデル、軽量モデル又は低精度モデルとも呼ばれる場合がある）を用いて、フレーム振り分け部１０３ｂで振り分けられた映像フレームに対して画像分析を実行する。図６は、第１映像分析部で検出される例示的な対象物を含む映像フレームを示す図である。軽量モデルの例としては、認識精度が若干劣るが高速で動作可能なＹＯＬＯｖ３　Ｔｉｎｙが挙げられる。図６は、走行中の車両の車載カメラが前方を撮影した例示の映像フレームを示す。本例では、自動車、トラック、バス、オートバイ、自転車、歩行者、信号機など交通関連の対象物が検出される。図６に示すように、検出された各対象物は、バウンディングボックスで囲われている。また、バウンディングボックスの近傍に示された表記「Ｃａｒ：３％」は、検出対象物が自動車である確率（信頼度）が３％であることを示している。なお、交通に関する対象物の場合、１フレームあたり１～２００個程度の対象物が検出され得る。
　移動ベクトル取得部１０６ｂは、２つのフレーム間における、第１検出部１０５ｂで検出された対象物内の移動ベクトルを取得する。すなわち、移動ベクトル取得部１０６ｂは、第１検出部１０５ｂからの検出結果フレームと、記憶部１１０ｂに記憶されたフレームとの輝度勾配等を比較して、移動ベクトルを取得することができる。図７は、移動ベクトルを算出する例を説明する図である。図７（ａ）は時刻ｔに撮影された映像フレーム内の検出された自動車を示す。移動ベクトル取得部１０６ｂは、破線で示したバウンディングボックス内の移動ベクトルの平均値を取得する。この移動ベクトルは、２つのフレームがどれくらいずれているかを算出し、検出位置を調整するのに使用され得る。２つのフレームは、時系列に沿って連続する２つのフレーム（例えば、ｔ－１，ｔ）でもよいし、所定時間だけ離れている２つのフレーム（例えば、ｔ－５，ｔ）でもよい。ここでは、移動ベクトルは、Ｏｐｔｉｃａｌ　ＦｌｏｗをＧｕｎｎａｒ　Ｆａｒｎｅｂａｃｋ法を使って取得される。すなわち、まず、フレーム全体において、ピクセル当たりｘ方向及びｙ方向の移動ベクトルが生成される。その後、各エッジ対象物の検出領域（例えば、バウンディングボックス）内の平均ベクトルを算出する。これにより、フレーム間において、各検出対象物がどの方向に移動しているかを認識することができる。
　図７（ｂ）は、調整部２０７ｂにおいて、取得した移動ベクトルに基づき、シフトした自動車を示す（すなわち、図７（ｂ）は、時刻ｔ＋１の映像フレームを推定したものである）。実線で示したバウンディングボックスは、シフト後のバウンディングボックスを示している。このように、移動ベクトルに基づき、対象物を所定時間分移動させることができる。本実施の形態では、このように２つのフレーム全体の移動ベクトルではなく、検出された対象物又はバウンディングボックスに関連付けられた移動ベクトルのみに絞ることで、データ容量を大幅に削減することができる。
　分析結果送信部１０７ｂは、第１検出部１０５で検出された対象物と、移動ベクトル取得部１０６で取得された移動ベクトルを、分析結果として、無線ネットワークを介して第２映像分析部２００ｂに送信する。分析結果は、例えば、バウンディングボックスの中心座標（ｘ、ｙ）、幅、高さ、検出された対象物の識別子、検出された対象物の数、移動ベクトル（ｘ、ｙ）を含み得る。つまり、分析結果送信部１０７ｂは、第１映像分析部１００ｂで分析した映像フレーム自体ではなく、こうした分析結果を第２映像分析部２００ｂに送信する。これにより、第１映像分析部１００ｂで分析した映像フレーム自体を送信する場合よりも、送信データ容量を低減し、帯域不足に起因する問題（ブロックノイズやフレーム落ちなど）の発生を抑制する。
　続いて、第２映像分析部２００ｂの構成を説明する。第２映像分析部２００ｂは、例えば、コンピュータにより実現され得るクラウドサーバである。第２映像分析部２００ｂは、例えば、図１７に示すように、演算処理等を行うＣＰＵ（Central Processing Unit）などのプロセッサ１２０２、プロセッサ１２０２によって実行される演算プログラム等が記憶されたＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）からなるメモリ１２０３、外部と信号の入出力を行うインターフェイス部（Ｉ／Ｆ）１２０１、などからなるマイクロコンピュータ等により構成されている。プロセッサ１２０２、メモリ１２０３、及びインターフェイス部１２０１は、データバスなどを介して相互に接続されている。インターフェイス部（Ｉ／Ｆ）は、IEEE 802.11 seriesにおいて規定された無線ＬＡＮ通信、もしくは３ＧＰＰ（3rd Generation Partnership Project）において規定されたモバイル通信を行うために使用されてもよい。もしくは、インターフェイス部（Ｉ／Ｆ）１２０１は、例えば、IEEE 802.3 seriesに準拠したネットワークインターフェースカード（NIC）を含んでもよい。
　第２映像分析部２００ｂは、図５に示すように、デコーダ２０１ｂ、分析結果受信部２０３ｂ、第２検出部２０５ｂ、分析結果調整部２０７ｂ、及び帯域推定部２１２ｂを含む。
　デコーダ２０１ｂは、エンコーダ１０８ｂで符号化された映像フレームを復号し、映像フレームを第２検出部２０５ｂに送信する。デコーダ２０１ｂは、エンコーダ１０８からの映像フレームを受信し、一時的に格納するフレームバッファを備えてもよい。
　第２検出部２０５ｂは、振り分けられたフレーム内の対象物を検出する。具体的には、第２検出部２０５ｂは、デコーダ２０１からの映像フレームに対して、映像分析ブログラムＡより高精度な映像分析が可能な映像分析ブログラムＢ（クラウドモデル又は高精度モデルとも呼ばれる場合がある）で画像分析を実行する。高精度モデルの例としては、一般物体検出とセグメンテーションを行うＭａｓｋ　ＲＣＮＮが挙げられる。図８は、第２映像分析部で検出される例示的な対象物を含む映像フレームを示す図である。図８は、図６と同一の映像フレームを、高精度モデルで対象物を検出した結果を示す。本例では、図８に示すように、自動車、自転車、歩行者、信号機など交通関連の対象物が検出される。検出された各対象物は、バウンディングボックスで囲われている。図８は、バウンディングボックスの近傍に示された表記「Ｃａｒ：９９％」は、検出対象物が自動車である確率（信頼度）が９９％であることを示している。図８は、図６と比べると、高信頼度で対象物を検出していることを示している。
　一方、分析結果受信部２０３ｂは、分析結果送信部１０７ｂからの分析結果を受信する。分析結果受信部２０３ｂは、分析結果データを一時的に格納する分析結果データ用バッファであってもよい。
　分析結果調整部２０７ｂは、第２検出部２０５ｂにより対象物が検出された映像フレーム（対象物はバウンディングボックスで囲まれている）と移動ベクトルとに基づいて、映像フレームを調整する。具体的には、分析結果調整部２０７ｂは、第２検出部２０５ｂにより対象物が検出された映像フレームと、移動ベクトルとに基づき、映像フレームの後に撮影された映像フレームを調整する。分析結果調整部２０７ｂは、例えば、第２検出部２０５ｂにより対象物が検出された映像フレーム（対象物はバウンディングボックスで囲まれている）と、移動ベクトルとに基づき、第１検出部１０５ｂによる検出結果から、対象物の位置を調整する。換言すると、分析結果調整部２０７ｂは、第２検出部２０５ｂの高精度モデルの検出結果を参照して、第１検出部１０５ｂによる低精度モデルの検出結果を調整する。分析結果調整部２０７ｂは、第２検出部２０５ｂの高精度モデルにより検出された映像フレームを参照して、当該映像フレームの後に撮影され、第１検出部１０５（低精度モデル）に振り分けられた映像フレームについて高精度で推定する。
　帯域推定部２１２ｂは、前述した分析結果データ用バッファおよびフレームバッファの使用量を参照し、第１映像分析部１００ｂから第２映像分析部２００ｂへの無線ネットワークでデータを送信するために使用可能である帯域を示す可用帯域を推定する。帯域推定部２１２ｂは、推定された可用帯域（例えば、大、中、小）を、第１映像分析部１００ｂの変更部１０４に通知する。
　変更部１０４ｂは、推定された可用帯域に基づき、フレーム振り分け部１０３ｂのフレーム送信割合を変更する。例えば、可用帯域が大きい場合、変更部１０４ｂは、フレーム送信割合を高く変更し、クラウドでの分析割合を増加させてもよい。あるいは、可用帯域が小さい場合、変更部１０４ｂは、フレーム送信割合を低く変更し、エッジでの分析割合を増加させてもよい。
　図９は、一部の実施の形態にかかる調整処理の全体像を説明する概念図である。
　図９の上部には、時系列に沿って撮影された一連の映像フレームが示されている。実線で示したフレームは、クラウドに送信されたフレームを示す。破線で示したフレームは、エッジに振り分けられたフレームを示す。本例では、フレーム振り分け部１０３ｂが２５％のフレーム送信割合で、クラウド側の第２映像分析部２００にフレームを送信する。すなわち、時刻ｔに撮影されたフレーム（実線で示す）は、クラウド側の第２映像分析部２００ｂに送られる。そして、当該フレームは、クラウド側の第２検出部２０５ｂの高精度モデルにより、対象物の検出が行われる。クラウド側で対象物の検出が行われたフレームを参照フレームと称する。
　一方、時刻ｔ＋１，ｔ＋２，ｔ＋３に撮影された各フレーム（破線で示す）は、エッジ側の第１検出部１０５ｂの軽量モデルにより、対象物の検出が行われる。このエッジでの検出精度が悪いため、以下のように調整が行われる。
　当該参照フレームの直後の時刻ｔ＋１に撮影されたフレームについては、エッジ側の第１映像分析部１００ｂの第１検出部１０５で対象物の検出が行われる。さらに、時刻ｔ＋１に撮影されたフレームは、移動ベクトル取得部１０６ｂで検出対象物を囲んだバウンディングボックス内の移動ベクトルが取得される。これらの検出結果（本明細書ではエッジ検出結果とも呼ばれる）および移動ベクトルは、分析結果送信部１０７ｂによって、第２映像分析部２００ｂの分析結果受信部２０３ｂに送られる。分析結果調整部２０７ｂは、時刻ｔにおけるフレームについてのクラウド側の第２検出部２０５ｂによる検出結果（本明細書ではクラウド検出結果とも呼ばれる）と、時刻ｔ＋１のフレームについての移動ベクトルに基づいて、時刻ｔ＋１のフレームについてのエッジ検出結果を調整する。
　同様に、当該時刻ｔ＋１に撮影されたフレームの直後の時刻ｔ＋２に撮影されたフレームについても、エッジ側の第１映像分析部１００ｂの第１検出部１０５ｂで対象物の検出が行われる。さらに、時刻ｔ＋２に撮影されたフレームについて、移動ベクトル取得部１０６ｂは、検出対象物を囲んだバウンディングボックス内の移動ベクトルを取得する。これらのエッジ検出結果および移動ベクトルは、分析結果送信部１０７ｂによって、第２映像分析部２００ｂの分析結果受信部２０３ｂに送られる。分析結果調整部２０７ｂは、時刻ｔ＋１におけるフレームについての調整後の結果と、時刻ｔ＋２のフレームについての移動ベクトルに基づいて、時刻ｔ＋２のフレームについてのエッジ検出結果を調整する。
　更に、同様に、当該時刻ｔ＋２に撮影されたフレームの直後の時刻ｔ＋３に撮影されたフレームについても、エッジ側の第１映像分析部１００ｂの第１検出部１０５ｂで対象物の検出が行われる。さらに、時刻ｔ＋３に撮影されたフレームについて、移動ベクトル取得部１０６ｂは検出対象物を囲んだバウンディングボックス内の移動ベクトルを取得する。これらのエッジ検出結果および移動ベクトルは、分析結果送信部１０７ｂによって、第２映像分析部２００ｂの分析結果受信部２０３ｂに送られる。分析結果調整部２０７ｂは、時刻ｔ＋２におけるフレームについての調整後の結果と、時刻ｔ＋３のフレームについての移動ベクトルに基づいて、時刻ｔ＋３のフレームについてのエッジ検出結果を調整する。
　時刻ｔ＋４に撮影されたフレームは、フレーム振り分け部１０３により、再びクラウド側の第２映像分析部２００ｂに送られる。そして、当該フレームは、クラウド側の第２検出部２０５ｂの高精度モデルにより、対象物の検出が行われる。つまり、時刻ｔ＋４に撮影されたフレームが参照フレームとなり、時刻ｔ＋５以降の調整処理が行われる。
　なお、本実施の形態では、フレーム送信割合を２５％としたが、本発明はこれに限定されない。また、フレーム間の撮影間隔も任意に設定することができる。
　また、上記した例では、ｔ＋２又はｔ＋３のフレームについては、直前のｔ＋１又はｔ＋２のフレームの調整後の結果を基準としたが、参照フレームを基準としてもよい。すなわち、時刻ｔにおけるフレームについてのクラウド検出結果と、時刻ｔの参照フレームを基準とした時刻ｔ＋２のフレームについての移動ベクトルに基づいて、時刻ｔ＋２のフレームについてのエッジ検出結果を調整してもよい。同様に、時刻ｔにおけるフレームについてのクラウド検出結果と、時刻ｔの参照フレームを基準とした時刻ｔ＋３のフレームについての移動ベクトルに基づいて、時刻ｔ＋３のフレームについてのエッジ検出結果を調整してもよい。
　図１０は、分析結果調整部２０７ｂの動作の具体例を説明する概念図である。
　クラウド側の第２映像分析部２００ｂの分析結果調整部２０７ｂは、時刻ｔに撮影されたフレームについてのクラウド検出結果と、時刻ｔ＋１に撮影されたフレームについてのエッジ検出結果および移動ベクトルから、時刻ｔ＋１における正確な結果を推定する。
　時刻ｔに撮影されたフレームは、クラウド側の第２映像分析部２００ｂの第２検出部２０５ｂにより対象物の検出が行われる。当該フレームには、図１０に示すように、検出された２つの対象物を囲う２つのバウンディングボックスＢ１、Ｂ２（クラウド検出物体とも呼ばれる）が示されている。
　時刻ｔに撮影されたフレームの直後の時刻ｔ＋１に撮影されたフレームは、エッジ側の第１映像分析部１００の第１検出部１０５ｂにより対象物の検出が行われる。当該フレームには、図１０に示すように、検出された２つの対象物を囲う２つのバウンディングボックスＢ２１、Ｂ２２（エッジ検出物体とも呼ばれる）が示されている。前述した通り、当該フレーム自体は、クラウド側の第２映像分析部２００ｂに送られず、対象物（バウンディングボックスＢ２１、Ｂ２２）の検出結果と、各バウンディング内の移動ベクトルの平均値が第２映像分析部２００ｂに送られる。
　分析結果調整部２０７ｂは、時刻ｔに撮影された参照フレーム上に、時刻ｔ＋１に撮影されたバウンディングボックスＢ２１、Ｂ２２を配置する。ここで、バウンディングボックスＢ１とバウンディングボックスＢ２１の重複部分が閾値以上である場合、バウンディングボックスＢ１内の対象物とバウンディングボックスＢ１１の対象物は同一であるとみなすことができる。そのため、バウンディングボックスＢ１をこれらのフレーム間の撮影間隔分、バウンディングボックスＢ１１内の平均移動ベクトルに基づいて、バウンディングボックスＢ１２まで移動させる（図９では、移動後のクラウド対象物）。
　時刻ｔのフレーム内のバウンディングボックスＢ２については、時刻ｔ＋１のフレーム内に対象物が検出されていない（すなわち、時刻ｔ＋１のフレーム内にバウンディングボックスＢ２と重複するバウンディングボックスが存在しない）。つまり、時刻ｔのフレーム内のバウンディングボックスＢ２内の対象物は、時刻ｔ＋１のフレームにおいて、当該対象物の移動によりフレームアウトしたと考えられる。そのため、時刻ｔ＋１の推定結果には、バウンディングボックスＢ２を削除する。
　時刻ｔ＋１のフレーム内のバウンディングボックスＢ２２については、時刻ｔのフレーム内に対象物が検出されていない（すなわち、時刻ｔのフレーム内に、バウンディングボックスＢ２２と重複するバウンディングボックスが存在しない）。時刻ｔ＋１のフレーム内のバウンディングボックスＢ２２内の対象物は、新たに出現したものと考えられる（図９では、エッジ新規検出対象物）。そのため、時刻ｔ＋１の推定結果には、バウンディングボックスＢ２２を存続させる。
　以上のように、クラウド側の分析結果調整部２０７ｂは、時刻ｔ＋１におけるエッジ検出結果を調整することで、図１０に示すように、時刻ｔ＋１におけるより正確な分析結果（図９では調整後結果）を推定することができる。なお、この推定された時刻ｔ＋１における分析結果（図９ではｔ＋１の調整後結果）は、時刻ｔ＋２のフレームの調整処理において、参照される（図９参照）。
　図１１は、実施の形態３にかかるエッジ側に配置された第１映像分析部の動作を示すフローチャートである。
　第１映像分析部１００ｂはまず、初期化を行う（ステップＳ３０１）。ここでは、フレームの振り分けカウンタ等が初期化される。映像フレーム受信部１０１ｂは、車載カメラ（図示せず）から、映像フレームを受信する（ステップＳ３０２）。フレーム振り分け部１０３ｂは、映像フレームを、クラウド側の第２映像分析部２００ｂで分析するか、それともエッジ側の第１検出部１０５ｂで分析するかを振り分ける（ステップＳ３０３）。映像フレームを、クラウド側の第２映像分析部２００ｂで分析する場合（ステップＳ３０３でＹＥＳ）、エンコーダ１０８ｂは、当該映像フレームを所定の品質で符号化し、第２映像分析部２００に送信する（ステップＳ３０４）。
　一方、映像フレームを、エッジ側の第１映像分析部１００ｂで分析する場合（ステップＳ３０３でＮＯ）、第１検出部１０５ｂは、エッジモデル（軽量モデル）を用いて、当該映像フレーム内の対象物を検出する（ステップＳ３０５）。続いて、移動ベクトル取得部１０６は、検出された対象物を囲うバウンディングボックス内の平均移動ベクトルを取得する（ステップＳ３０６）。分析結果送信部１０７ｂは、各対象物の検出結果と、各対象物の移動ベクトルを第２映像分析部２００ｂに送信する（ステップＳ３０７）。続いて、映像フレーム受信部１０１ｂは、時系列に沿って後続するフレームをカメラから受信すると（ステップＳ３０２に戻る）、上記した処理が繰り返される。
　次に、クラウド側の第２映像分析部２００ｂの動作を説明する。
　図１２は、実施の形態３にかかるクラウド側に配置された第２映像分析部の映像フレーム受信に関する動作を示すフローチャートである。
　第２映像分析部２００ｂは、映像フレームを受信する（ステップＳ４０１）。デコーダ２０１は、符号化された映像フレームを復号する。第２検出部２０５は、クラウドモデルを用いて、映像フレーム内の対象物を検出する（ステップＳ４０２）。クラウド検出物体を初期化する（ステップＳ４０３）。ここでは、後述するクラウド検出物体の未検出カウンタ値や位置が初期化される。最後に、第２映像分析部２００の第２検出部２０５ｂは、クラウド検出結果を外部および分析結果調整部２０７ｂに出力する（ステップＳ４０４）。
　図１３は、実施の形態３にかかるクラウド側に配置された分析結果調整部による動作を示すフローチャートである。
　分析結果調整部２０７ｂは、時刻ｔに撮影されたフレームについて、第２検出部２０５ｂからクラウド検出結果を受信し、参照フレームとして保持する（ステップＳ４１０）。分析結果調整部２０７ｂは、分析結果受信部２０３ｂから、時刻ｔに撮影された参照フレームの直後に撮影された時刻ｔ＋１のフレームについてのエッジ分析結果を受信する（ステップＳ４１１）。分析結果には、第１検出部１０５ｂでの検出結果と、移動ベクトル取得部１０６ｂで取得された、検出された各対象物の移動ベクトルを含む。この分析結果データの容量は、映像フレーム自体の容量に比べ、著しく小さい。分析結果調整部２０７ｂは、調整されていないクラウド検出対象物が参照フレーム内にある場合（ステップＳ４１２でＹＥＳ）、クラウド検出対象物とエッジ検出対象物との重複が一番大きいものをそれぞれ取得する（ステップＳ４１４）。図１０の例では、クラウド検出対象物を囲うバウンディングボックスＢ１とエッジ検出対象物を囲うバウンディングボックスＢ２１との重複が一番大きいので、これらを取得する。
　次に、重複度が閾値以上かを判定する（ステップＳ４１６）。ここでは、重複度は、ＩｏＵ(Intersection over Union)で評価される。重複度が閾値以上の場合（ステップＳ４１６でＹＥＳ）、取得したエッジ検出対象物を削除し（ステップＳ４１７）、取得したクラウド検出対象物をエッジ検出対象物の移動ベクトルに応じて、移動させる（ステップＳ４１９）。図１０の例では、バウンディングボックスＢ１とバウンディングボックスＢ２１との重複度が閾値以上であるので、エッジ検出結果は低精度である可能性があるので、エッジ検出対象物を囲うバウンディングボックスＢ２１を削除する。さらに、クラウド検出対象物を囲うバウンディングボックスＢ１を、バウンディングボックスＢ２１内の平均移動ベクトルに応じて、バウンディングボックスＢ１２まで移動させる。こうして、ｔ＋１における高精度な推定結果が得られる。
　その後、処理はステップＳ４１２に戻り、参照フレーム内の他のクラウド検出対象物についても検討する。すなわち、調整されていないクラウド検出対象物が参照フレーム内にある場合（ステップＳ４１２でＹＥＳ）、クラウド検出対象物とエッジ検出対象物との重複が一番大きいものをそれぞれ取得する（ステップＳ４１４）。図１１の例では、（重複するエッジ検出対象物がないので）クラウド検出対象物を囲うバウンディングボックスＢ２のみを取得する。
　重複するエッジ検出対象物がない（すなわち、重複度はゼロである）ので、重複度が閾値未満となり（ステップＳ４１７でＮＯ）、参照フレーム内のクラウド検出対象物が、直後に撮影された時刻ｔ＋１のフレーム内に検出されない場合は、クラウド検出対象物の未検出カウンタを加算する（ステップＳ４２１）。未検出カウンタが閾値回数より大きい（すなわち、所定数の連続するフレームにおいて、クラウド検出対象物が発見されない）場合、当該クラウド検出対象物は、その移動によりフレームアウトしたと考えられるので、削除する。図１０の例では、クラウド検出対象物を囲うバウンディングボックスＢ２を削除する。
　参照フレーム内のすべてのクラウド検出対象物について調整処理が行われた場合（ステップＳ４１２でＮＯ）、分析結果調整部２０７ｂは、クラウド検出対象物と新たに出現したエッジ検出対象物を、時刻ｔ＋１における推定結果として出力する（ステップＳ４１３）。図１０の例では、新たに出現したエッジ検出対象物がバウンディングボックスＢ２２である。推定結果の具体例は、図１０に示す。
　図１４は、固定カメラを用いた映像分析システムの検出精度を説明するグラフである。
　縦軸は対象物の検出精度を示し、横軸は、エッジとフレームとの振り分け率を示すフレーム送信割合を示す。例えば、横軸の１０－１は、連続するフレームのうち、１０回に１回の割合でフレームをクラウド側の第２映像分析部２００ｂに送ること、言い換えると、１回フレームをクラウド側の第２映像分析部２００ｂに送った後、９回連続してエッジ側の第１映像分析部１００で処理することを意味する。
　図１４では、固定カメラを交差点付近に配置した場合、本実施の形態にかかる映像分析システムの検出精度を評価した（図１４の提案方式参照）。比較例として、関連方法１は、時刻ｔに撮影されたフレームについてのクラウド検出結果を、時刻ｔ＋１に撮影されたフレームついての検出結果とした場合の検出精度である。別の比較例として、関連方法２は、時刻ｔ＋１に撮影されたフレームついてのエッジの検出結果をそのまま使用した場合の検出精度である。
　図１４のグラフから、固定カメラを用いた場合、本提案方法は、関連方法１よりも若干精度が高く、関連方法２よりも著しく精度が高いことが分かる。
　図１５は、車載カメラを用いた映像分析システムの検出精度を説明するグラフである。図１５では、図１４と基本的に同一であるので、適宜説明を省略する。
　図１５から、車載カメラを用いた場合、本提案方法は、関連方法１よりもかなり精度が高く、関連方法２よりも著しく精度が高いことが分かる。特に、車載カメラを用いた場合では、カメラ自体が移動するため、フレーム間での検出位置ずれが大幅に生じる。そのため、直前のフレームについてのクラウド検出結果をそのまま使用する関連方法２では、精度が著しく低下する。また、図１５から、本提案方法も、フレーム送信割合が低くなるにつれて、関連方法３と同程度まで精度が悪化することが分かる。これより、本提案方法も、フレーム送信割合が閾値以上（例えば、図１５では１％以上）であれば、関連方法よりも高精度な映像分析を実現できる。
　以上説明したように、本実施の形態にかかる映像分析システム１は、クラウド検出結果を参照して、エッジ検出結果を調整することで、無線ネットワークが低帯域であっても、高精度な映像分析を実現することができる。また、エッジモデルと、クラウドモデルとの間の映像検出の精度差が大きい場合でも、一連の映像フレームに対して高精度な映像分析を実現することができる。また、車載カメラなどカメラが移動する場合でも、高精度な映像分析を実現することができる。
　実施の形態４
　図１６は、実施の形態４にかかる車両遠隔制御システムの構成を示すブロック図である。
　車両遠隔制御システム３は、複数の自動運転車両１０Ａ、１０Ｂと、これらの自動運転車両１０Ａ、１０Ｂを監視し制御する遠隔監視装置５０と、を備える。複数の自動運転車両１０Ａは、携帯電話網などのネットワーク３０を介して遠隔監視装置５０と接続されている。こうした携帯電話網では、可用帯域が変動し得るため、帯域不足により遠隔監視装置５０における映像品質が悪化する場合がある。なお、図１６では、２台の自動運転車両を図示しているが、車両の数はこれに限定されない。Ｎ台の自動運転車両（Ｎ以上の自然数)を備えてもよい。
　また、ここでいうネットワーク３０の例としては、ローカルエリアネットワーク（local area network、ＬＡＮ）、及びワイドエリアネットワーク（wide area network、ＷＡＮ）、例えば、インターネットを挙げることができる。また、通信ネットワークは、例えば、イーサネット（登録商標）、ユニバーサルシリアルバス（Universal Serial Bus、ＵＳＢ）、ＦＩＲＥＷＩＲＥ（登録商標）、移動通信用のグローバルシステム（Global System for Mobile Communications、ＧＳＭ（登録商標））、拡張データＧＳＭ（登録商標）環境（Enhanced Data GSM（登録商標） Environment、ＥＤＧＥ）、符号分割多元接続（code division multiple access、ＣＤＭＡ）、時分割多元接続（time division multiple access、ＴＤＭＡ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ（登録商標）、ボイスオーバーインターネットプロトコル（voice over Internet Protocol、ＶｏＩＰ）、Ｗｉ－ＭＡＸ（登録商標）、又は任意の他の好適な通信プロトコル等の、様々な有線又は無線プロトコルを含む、任意の周知のネットワークプロトコルを用いて実施することができる。
　各自動運転車両は、図１６に示すように、１台以上の車載カメラ１３０と第１映像分析部１００と車体制御部１５０と、を備える。第１映像分析部１００（１００ａ、１００ｂ）の具体的な構成は、前記した構成と基本的に同一であるので、ここでは省略する。第１映像分析部１００は、前述したように、車載カメラ１３０からの映像フレームを、第１映像分析部１００か、第２映像分析部２００に振り分ける。第１映像分析部１００は、第２映像分析部２００に振り分けられたフレームを符号化し、無線ネットワークを経由して、第２映像分析部２００に送信する。また、第１映像分析部１００は、第１映像分析部１００に振り分けられたフレーム内の対象物をエッジモデルで検出する。さらに、第１映像分析部１００は、対象物の検出領域内の移動ベクトルを取得する。第１映像分析部１００は、各対象物（検出結果）と、それに関連付けた移動ベクトルを、無線ネットワークを経由して、遠隔監視装置５０に送信する。
　遠隔監視装置５０は、各自動運転車両の車載カメラから受信した映像を用いて、各自動運転車両を遠隔で監視し制御する。例えば、遠隔運転者が、各車載カメラからの映像を表示した表示部２６０を見ながら、特定の自動運転車両を遠隔運転してもよい。あるいは、遠隔監視装置５０が、高精度で映像分析した結果を元に、自動的に各自動運転車両を制御してもよい。
　遠隔監視装置５０は、表示部２６０と第２映像分析部２００（２００ａ、２００ｂ）と車両制御部２５０とを備える。第２映像分析部２００（２００ａ、２００ｂ）の具体的な構成は、前述した構成と基本的に同一であるので、ここでは省略する。第２映像分析部２００は、各自動運転車両から送られた映像フレーム内の対象物を、クラウドモデルを用いて検出する。また、第２映像分析部２００は、前述したように、各自動運転車両の第１映像分析部１００から送られた分析結果を調整する。これにより、第２映像分析部２００は、各自動運転車両から送られた映像フレームについての高精度な検出結果だけでなく、後続する映像フレームについての高精度な推定結果を得ることができる。
　表示部２６０は、第２映像分析部２００で分析された分析結果を表示する。例えば、図８で示したように、バウンディングボックスで囲われた複数の検出対象物が表示されてもよい。
　車両制御部２５０は、第２映像分析部２００による映像分析結果に基づいて、各自動運転車両の動きを推定することができ、各車両に対して、適切な自動運転の制御情報を決定し、送信することができる。例えば、車両制御部２５０は、第２映像分析部２００の分析結果から、十字路付近で対向車（例えば、自動運転車両１０Ｂ）が迫ってきていることを判定した場合、優先車両ではない自車（例えば、自動運転車両１０Ａ）を十字路に進入する前に停車させるように、自車の車体制御部１５０に指示する。
　また、車両制御部２５０は、自動運転車両１０Ａ及び自動運転車両１０Ｂについての第２映像分析部２００の各分析結果から、異常又は特殊な運転をする車両（例えば、車両１０Ｂ）を特定することができる。その後、車両制御部２５０は、特定された車両（例えば、車両１０Ｂ）の第１映像分析部１００内のフレーム振り分け部１０３における、第２映像分析部２００に送信するフレームの割合を規定するフレーム送信割合（例えば、５０％）を変更するように指示してもよい。こうすることで、異常又は特殊な運転をする車両の車載カメラからの映像フレームをより一層、高精度に分析でき、安全性の高い遠隔制御を実現できる。
　本実施の形態によれば、帯域変動や帯域不足があっても、高精度な映像分析を実現することで、より安全性の高い車両遠隔制御システムを提供することができる。
　図１７は、映像分析部１００、２００（以下、映像分析部１００等とする）の構成例を示すブロック図である。図１７を参照すると、映像分析部１００等は、ネットワーク・インターフェース１２０１、プロセッサ１２０２、及びメモリ１２０３を含む。ネットワーク・インターフェース１２０１は、通信システムを構成する他のネットワークノード装置と通信するために使用される。ネットワーク・インターフェース１２０１は、無線通信を行うために使用されてもよい。例えば、ネットワーク・インターフェース１２０１は、IEEE 802.11 seriesにおいて規定された無線ＬＡＮ通信、もしくは３ＧＰＰ（3rd Generation Partnership Project）において規定されたモバイル通信を行うために使用されてもよい。もしくは、ネットワーク・インターフェース１２０１は、例えば、IEEE 802.3 seriesに準拠したネットワークインターフェースカード（NIC）を含んでもよい。
　プロセッサ１２０２は、メモリ１２０３からソフトウェア（コンピュータプログラム）を読み出して実行することで、上述の実施形態においてフローチャートもしくはシーケンスを用いて説明された監視装置１０等の処理を行う。プロセッサ１２０２は、例えば、マイクロプロセッサ、MPU（Micro Processing Unit）、又はCPU（Central Processing Unit）であってもよい。プロセッサ１２０２は、複数のプロセッサを含んでもよい。
　メモリ１２０３は、揮発性メモリ及び不揮発性メモリの組み合わせによって構成される。メモリ１２０３は、プロセッサ１２０２から離れて配置されたストレージを含んでもよい。この場合、プロセッサ１２０２は、図示されていないI/Oインタフェースを介してメモリ１２０３にアクセスしてもよい。
　図１７の例では、メモリ１２０３は、ソフトウェアモジュール群を格納するために使用される。プロセッサ１２０２は、これらのソフトウェアモジュール群をメモリ１２０３から読み出して実行することで、上述の実施形態において説明された映像分析部１００等の処理を行うことができる。
　図１７を用いて説明したように、映像分析部１００等が有するプロセッサの各々は、図面を用いて説明されたアルゴリズムをコンピュータに行わせるための命令群を含む１つ又は複数のプログラムを実行する。
　なお、図２，４，１１，１２及び１３のフローチャートは、実行の具体的な順番を示しているが、実行の順番は描かれている形態と異なっていてもよい。例えば、２つ以上のステップの実行の順番は、示された順番に対して入れ替えられてもよい。また、図２，４，１１，１２及び１３の中で連続して示された２つ以上のステップは、同時に、または部分的に同時に実行されてもよい。さらに、いくつかの実施形態では、図２，４，１１，１２及び１３に示された１つまたは複数のステップがスキップまたは省略されてもよい。
　上述の例において、プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ－ＲＯＭ（Read Only Memory）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、ＤＶＤ（Digital Versatile Disc）、ＢＤ（Blu-ray（登録商標） Disc）、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。
　なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。例えば、映像分析装置１における第１映像分析部１００と第２映像分析部２００は、同一の装置内、同一のサーバ内、同一の敷地内に設けられてもよい。また、以上で説明した複数の例又は実施の形態は、適宜組み合わせて実施されることもできる。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載され得るが、以下には限られない。
　（付記１）
　第１映像分析部と第２映像分析部とを備えた映像分析装置であって、
　前記第１映像分析部は、
　少なくとも２つのフレームを前記第１映像分析部か、前記第２映像分析部に振り分ける振り分け部と、
　前記第１映像分析部に振り分けられたフレーム内の対象物を検出する第１検出部と、
　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１検出部での検出結果を前記第２映像分析部に送信する取得部と、
を備え、
　前記第２映像分析部は、
　前記振り分け部から受信したフレーム内の対象物を検出する第２検出部と、
　前記第２検出部での検出結果と前記移動に関する情報に基づいて、前記第１検出部での検出結果を調整する調整部と、
を備える、映像分析装置。
　（付記２）
　前記第１映像分析部は、
　前記検出された対象物の検出領域内の移動に関する情報を取得する移動情報取得部と、
　前記移動に関する情報と前記第１検出部での検出結果を、分析結果として前記第２映像分析部に送信する分析結果送信部と、
　前記第２映像分析部で分析すると振り分けられたフレームを前記第２映像分析部に送信するフレーム送信部と、
を備える、付記１に記載の映像分析装置。
　（付記３）
　前記振り分け部は、連続的に受信する一連のフレームを所定のフレーム送信割合以上で、前記第２映像分析部で分析するように振り分ける、付記１又は２に記載の映像分析装置。
　（付記４）
　前記第１映像分析部から前記第２映像分析部へのネットワークが使用可能な帯域を推定する推定部と、
　前記推定された前記使用可能な帯域に応じて前記所定のフレーム送信割合を変更する変更部と、を備える、付記３に記載の映像分析装置。
　（付記５）
　前記分析結果は、検出された対象物を囲むボックスの中心座標と、当該ボックスの幅及び高さと、前記検出された対象物を示す識別子と、を含む、付記２に記載の映像分析装置。
　（付記６）
　前記第１映像分析部に振り分けられたフレームは、前記第２映像分析部に振り分けられたフレームの後に撮影されたものである、付記１～５のいずれか一項に記載の映像分析装置。
　（付記７）
　前記移動に関する情報は、前記対象物の移動する方向の情報又は移動ベクトルを含む、付記１～６のいずれか一項に記載の映像分析装置。
　（付記８）
　第１映像分析部と、第２映像分析部とを備えた映像分析システムであって、
　前記第１映像分析部は、
　少なくとも２つのフレームを前記第１映像分析部か、前記第２映像分析部に振り分ける振り分け部と、
　前記第１映像分析部に振り分けられたフレーム内の対象物を検出する第１検出部と、
　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１検出部での検出結果を前記第２映像分析部に送信する取得部と、
を備え、
　前記第２映像分析部は、
　前記振り分け部から受信したフレーム内の対象物を検出する第２検出部と、
　前記第２検出部での検出結果と前記移動に関する情報に基づいて、前記第１検出部での検出結果を調整する調整部と、
を備える、映像分析システム。
　（付記９）
　前記第１映像分析部は、
　前記検出された対象物の検出領域内の移動に関する情報を取得する移動情報取得部と、
　前記移動に関する情報と前記第１検出部での検出結果を、分析結果として前記第２映像分析部に送信する分析結果送信部と、
　前記第２映像分析部で分析すると振り分けられたフレームを前記第２映像分析部に送信するフレーム送信部と、
を備える、付記８に記載の映像分析システム。
　（付記１０）
　前記振り分け部は、連続的に受信する一連のフレームを所定のフレーム送信割合以上で、前記第２映像分析部で分析するように振り分ける、付記８に記載の映像分析システム。
　（付記１１）
　前記第１映像分析部から前記第２映像分析部へのネットワークが使用可能な帯域を推定する推定部と、
　前記推定された前記使用可能な帯域に応じて前記所定のフレーム送信割合を変更する変更部と、を備える、付記１０に記載の映像分析システム。
　（付記１２）
　前記第１映像分析部に振り分けられたフレームは、前記第２映像分析部に振り分けられたフレームの後に撮影されたものである、付記８～１１のいずれか一項に記載の映像分析システム。
　（付記１３）
　前記第１映像分析部は、エッジ側に設けられ、前記第２映像分析部はクラウド側に設けられている、付記８～１２のいずれか一項に記載の映像分析システム。
　（付記１４）
　一連のフレームに対して第１映像分析部と第２映像分析部で分散して映像分析を行う映像分析方法であって、
　前記第１映像分析部において、
　受信した少なくとも２つのフレームを、前記第１映像分析部か、前記第２映像分析部に振り分け、
　前記第１映像分析部で分析すると振り分けられたフレーム内の対象物を検出し、
　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１映像分析部での検出結果を前記第２映像分析部に送信し、
　前記第２映像分析部において、
　前記第１映像分析部から受信したフレーム内の対象物を検出し、
　前記第２映像分析部での検出結果と前記移動に関する情報に基づいて、前記第１映像分析部での検出結果を調整する、映像分析方法。
　（付記１５）
　前記第１映像分析部において、
　連続的に受信する一連のフレームを所定のフレーム送信割合以上で、前記第２映像分析部で分析するように振り分ける、付記１４に記載の映像分析方法。
　（付記１６）
　前記第２映像分析部において、
　前記第１映像分析部から前記第２映像分析部へのネットワークの使用可能な帯域を推定し、
　前記第１映像分析部において、
　前記推定された前記使用可能な帯域に応じてフレーム送信割合を変更する、付記１４又は１５に記載の映像分析方法。
　（付記１７）
　検出された対象物を囲むボックスの中心座標と、当該ボックスの幅及び高さと、前記検出された対象物を示す識別子と、を含む分析結果を前記第２映像分析部に送信する、付記１４に記載の映像分析方法。
　（付記１８）
　前記第１映像分析部は、エッジ側に設けられ、前記第２映像分析部はクラウド側に設けられている、付記１４～１７のいずれか一項に記載の映像分析方法。
　（付記１９）
　前記第１映像分析部に振り分けられたフレームは、前記第２映像分析部に振り分けられたフレームの後に撮影されたものである、付記１４～１８のいずれか一項に記載の映像分析方法。
　（付記２０）
　前記移動に関する情報は、前記対象物の移動する方向の情報又は移動ベクトルを含む、付記１４～１９のいずれか一項に記載の映像分析方法。
　以上、実施の形態を参照して本願発明を説明したが、本願発明は上記によって限定されるものではない。本願発明の構成や詳細には、発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０２０年４月１３日に出願された日本出願特願２０２０－０７１４４８を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　１　映像分析システム
　３　車両遠隔制御システム
　１０　自動運転車両
　３０　ネットワーク
　５０　遠隔監視装置
　１００　第１映像分析部
　１０１ｂ　映像フレーム受信部
　１０３　振り分け部
　１０３ｂ　フレーム振り分け部
　１０４ｂ　変更部
　１０５　第１検出部
　１０５ａ、１０５ｂ　第１検出部
　１０６　取得部
　１０６ａ　移動情報取得部
　１０６ｂ　移動ベクトル取得部
　１０７ａ　分析結果送信部
　１０８ｂ　エンコーダ
　１０９ａ　フレーム送信部
　１１０ｂ　記憶部（バッファ）
　１５０　車体制御部
　２００　第２映像分析部
　２０１ｂ　デコーダ
　２０３ｂ　分析結果受信部
　２０５　第２検出部
　２０７、２０７ａ　調整部
　２０７ｂ　分析結果調整部
　２１２ｂ　帯域推定部
　２５０　車両制御部
　２６０　表示部

Claims (20)

  1. 　第１映像分析手段と第２映像分析手段とを備えた映像分析装置であって、
    　前記第１映像分析手段は、
    　少なくとも２つのフレームを前記第１映像分析手段か、前記第２映像分析手段に振り分ける振り分け手段と、
    　前記第１映像分析手段に振り分けられたフレーム内の対象物を検出する第１検出手段と、
    　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１検出手段での検出結果を前記第２映像分析手段に送信する取得手段と、
    を備え、
    　前記第２映像分析手段は、
    　前記振り分け部から受信したフレーム内の対象物を検出する第２検出手段と、
    　前記第２検出手段での検出結果と前記移動に関する情報に基づいて、前記第１検出手段での検出結果を調整する調整手段と、
    を備える、映像分析装置。
  2. 　前記第１映像分析手段は、
    　前記検出された対象物の検出領域内の移動に関する情報を取得する移動情報取得手段と、
    　前記移動に関する情報と前記第１検出手段での検出結果を、分析結果として前記第２映像分析手段に送信する分析結果送信手段と、
    　前記第２映像分析手段で分析すると振り分けられたフレームを前記第２映像分析手段に送信するフレーム送信手段と、
    を備える、請求項１に記載の映像分析装置。
  3. 　前記振り分け手段は、連続的に受信する一連のフレームを所定のフレーム送信割合以上で、前記第２映像分析手段で分析するように振り分ける、請求項１又は２に記載の映像分析装置。
  4. 　前記第１映像分析手段から前記第２映像分析手段へのネットワークが使用可能な帯域を推定する推定手段と、
    　前記推定された前記使用可能な帯域に応じて前記所定のフレーム送信割合を変更する変更手段と、を備える、請求項３に記載の映像分析装置。
  5. 　前記分析結果は、検出された対象物を囲むボックスの中心座標と、当該ボックスの幅及び高さと、前記検出された対象物を示す識別子と、を含む、請求項２に記載の映像分析装置。
  6. 　前記第１映像分析手段に振り分けられたフレームは、前記第２映像分析手段に振り分けられたフレームの後に撮影されたものである、請求項１～５のいずれか一項に記載の映像分析装置。
  7. 　前記移動に関する情報は、前記対象物の移動する方向の情報又は移動ベクトルを含む、請求項１～６のいずれか一項に記載の映像分析装置。
  8. 　第１映像分析手段と、第２映像分析手段とを備えた映像分析システムであって、
    　前記第１映像分析手段は、
    　少なくとも２つのフレームを前記第１映像分析手段か、前記第２映像分析手段に振り分ける振り分け手段と、
    　前記第１映像分析手段に振り分けられたフレーム内の対象物を検出する第１検出手段と、
    　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１検出手段での検出結果を前記第２映像分析手段に送信する取得手段と、
    を備え、
    　前記第２映像分析手段は、
    　前記振り分け手段から受信したフレーム内の対象物を検出する第２検出手段と、
    　前記第２検出手段での検出結果と前記移動に関する情報に基づいて、前記第１検出手段での検出結果を調整する調整手段と、
    を備える、映像分析システム。
  9. 　前記第１映像分析手段は、
    　前記検出された対象物の検出領域内の移動に関する情報を取得する移動情報取得手段と、
    　前記移動に関する情報と前記第１検出手段での検出結果を、分析結果として前記第２映像分析手段に送信する分析結果送信手段と、
    　前記第２映像分析手段で分析すると振り分けられたフレームを前記第２映像分析手段に送信するフレーム送信手段と、
    を備える、請求項８に記載の映像分析システム。
  10. 　前記振り分け手段は、連続的に受信する一連のフレームを所定のフレーム送信割合以上で、前記第２映像分析手段で分析するように振り分ける、請求項８に記載の映像分析システム。
  11. 　前記第１映像分析手段から前記第２映像分析手段へのネットワークが使用可能な帯域を推定する推定手段と、
    　前記推定された前記使用可能な帯域に応じて前記所定のフレーム送信割合を変更する変更手段と、を備える、請求項１０に記載の映像分析システム。
  12. 　前記第１映像分析手段に振り分けられたフレームは、前記第２映像分析手段に振り分けられたフレームの後に撮影されたものである、請求項８～１１のいずれか一項に記載の映像分析システム。
  13. 　前記第１映像分析手段は、エッジ側に設けられ、前記第２映像分析手段はクラウド側に設けられている、請求項８～１２のいずれか一項に記載の映像分析システム。
  14. 　一連のフレームに対して第１映像分析手段と第２映像分析手段で分散して映像分析を行う映像分析方法であって、
    　前記第１映像分析手段において、
    　受信した少なくとも２つのフレームを、前記第１映像分析手段か、前記第２映像分析手段に振り分け、
    　前記第１映像分析手段で分析すると振り分けられたフレーム内の対象物を検出し、
    　前記検出された対象物に関連付けられた移動に関する情報を取得し、前記移動に関する情報と前記第１映像分析手段での検出結果を前記第２映像分析手段に送信し、
    　前記第２映像分析手段において、
    　前記第１映像分析手段から受信したフレーム内の対象物を検出し、
    　前記第２映像分析手段での検出結果と前記移動に関する情報に基づいて、前記第１映像分析手段での検出結果を調整する、映像分析方法。
  15. 　前記第１映像分析手段において、
    　連続的に受信する一連のフレームを所定のフレーム送信割合以上で、前記第２映像分析手段で分析するように振り分ける、請求項１４に記載の映像分析方法。
  16. 　前記第２映像分析手段において、
    　前記第１映像分析手段から前記第２映像分析手段へのネットワークの使用可能な帯域を推定し、
    　前記第１映像分析手段において、
    　前記推定された前記使用可能な帯域に応じてフレーム送信割合を変更する、請求項１４又は１５に記載の映像分析方法。
  17. 　検出された対象物を囲むボックスの中心座標と、当該ボックスの幅及び高さと、前記検出された対象物を示す識別子と、を含む分析結果を前記第２映像分析手段に送信する、請求項１４に記載の映像分析方法。
  18. 　前記第１映像分析手段は、エッジ側に設けられ、前記第２映像分析手段はクラウド側に設けられている、請求項１４～１７のいずれか一項に記載の映像分析方法。
  19. 　前記第１映像分析手段に振り分けられたフレームは、前記第２映像分析手段に振り分けられたフレームの後に撮影されたものである、請求項１４～１８のいずれか一項に記載の映像分析方法。
  20. 　前記移動に関する情報は、前記対象物の移動する方向の情報又は移動ベクトルを含む、請求項１４～１９のいずれか一項に記載の映像分析方法。
PCT/JP2021/006512 2020-04-13 2021-02-19 映像分析装置、映像分析システム及び映像分析方法 WO2021210269A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022515228A JP7318809B2 (ja) 2020-04-13 2021-02-19 映像分析装置、映像分析システム及び映像分析方法
US17/917,616 US20230177701A1 (en) 2020-04-13 2021-02-19 Video analysis apparatus, video analysis system, and video analysis method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020071448 2020-04-13
JP2020-071448 2020-04-13

Publications (1)

Publication Number Publication Date
WO2021210269A1 true WO2021210269A1 (ja) 2021-10-21

Family

ID=78083871

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/006512 WO2021210269A1 (ja) 2020-04-13 2021-02-19 映像分析装置、映像分析システム及び映像分析方法

Country Status (3)

Country Link
US (1) US20230177701A1 (ja)
JP (1) JP7318809B2 (ja)
WO (1) WO2021210269A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024013936A1 (ja) * 2022-07-14 2024-01-18 日本電気株式会社 映像処理システム、映像処理装置及び映像処理方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010136032A (ja) * 2008-12-04 2010-06-17 Hitachi Ltd 映像監視システム
WO2018012084A1 (ja) * 2016-07-15 2018-01-18 パナソニックＩｐマネジメント株式会社 画像認識システム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010136032A (ja) * 2008-12-04 2010-06-17 Hitachi Ltd 映像監視システム
WO2018012084A1 (ja) * 2016-07-15 2018-01-18 パナソニックＩｐマネジメント株式会社 画像認識システム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024013936A1 (ja) * 2022-07-14 2024-01-18 日本電気株式会社 映像処理システム、映像処理装置及び映像処理方法

Also Published As

Publication number Publication date
US20230177701A1 (en) 2023-06-08
JP7318809B2 (ja) 2023-08-01
JPWO2021210269A1 (ja) 2021-10-21

Similar Documents

Publication Publication Date Title
WO2020252924A1 (zh) 视频行人检测方法、装置、服务器及存储介质
CN103686137A (zh) 用于显示的装置和方法
WO2020093780A1 (zh) 一种处理网络切片中用户接入的方法及装置
US9123133B1 (en) Method and apparatus for moving object detection based on cerebellar model articulation controller network
US9781382B2 (en) Method for determining small-object region, and method and apparatus for interpolating frame between video frames
CN107613262B (zh) 一种视觉信息处理系统与方法
JP2011071986A (ja) 低解像度ビデオから高解像度ビデオを生成する方法
WO2021210269A1 (ja) 映像分析装置、映像分析システム及び映像分析方法
EP3116198A1 (en) Mobile communication system, processing distribution unit, data processing unit, apparatus, methods and computer programs for dynamically assigning computing resources for processing sensor data
US20210192756A1 (en) Partitioning and tracking object detection
US20220368860A1 (en) Transmission method, transmission system, and system control device
JP2016206801A (ja) 物体検出装置、移動体機器制御システム及び物体検出用プログラム
US9953235B2 (en) Image pickup device, vehicle number image pickup device, and image pickup method
JP7310126B2 (ja) 情報解析装置、情報解析方法、情報解析システム、及びコンピュータプログラム
EP3975133A1 (en) Processing of images captured by vehicle mounted cameras
US20140082685A1 (en) Method and apparatus for adjusting data transmission rate in a wireless communication system
WO2019049548A1 (ja) 画像処理装置
US20210174079A1 (en) Method and apparatus for object recognition
US8964058B2 (en) On-board camera system for monitoring an area around a vehicle
US11113822B2 (en) Moving object identification from a video stream
US20230334672A1 (en) Information processing device, information processing system, and information processing method
CN115565389A (zh) 基于大数据的智能交通红绿灯处理模型
KR102505909B1 (ko) 멀티채널 비디오 스트림의 실시간 객체 인식 장치
US20210316759A1 (en) Systems and methods to enable reciprocation in vehicular micro cloud
CN111325075B (zh) 一种视频序列目标检测方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21789489

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2022515228

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21789489

Country of ref document: EP

Kind code of ref document: A1